基于知识图谱的智能问答系统以结构化的知识为支撑,实现了数据到信息再到知识的精准输出,显著提升了信息获取的效率。在真实场景中,知识具有时效性,且普遍存在语义缺失等问题,为此需考虑时间对实体状态以及关系的影响,从而实现动态知识图谱的构建。在此基础上,需挖掘动态知识图谱中实体间的隐含关联,捕获知识的动态演化过程,实现动态知识图谱缺失语义信息的补全。为此,本文以基于知识动态补全的金融智能问答系统为研究课题,针对动态知识图谱补全技术所存在的问题与挑战开展研究,设计基于随机游走的图级嵌入方法,获取每个时序子图的全局语义信息,提高动态知识图谱嵌入的准确性和鲁棒性,实现知识图谱的精准补全。此外,面向金融领域场景,构建了基于知识图谱的智能问答框架,结合基于规则匹配以及动态知识图谱表示的两种问答方法,实现对时序问题与非时序问题的自适应回答。本文主要的工作和贡献如下:（1）提出了一种基于时序子图全局语义捕获的动态知识图谱补全方法,通过捕获每个时序子图Gt的全局语义信息,将其与该时序子图中各节点的局部信息融合,提高了时序子图嵌入的准确性,充分表达了动态知识图谱蕴含的丰富语义信息,从而优化动态知识图谱补全的质量。实验结果表明,本文所提出的动态知识图谱补全模型在多个公开数据集上的Hits@3与Hits@10得分均有提高。（2）基于以上研究成果,设计并构建了一个面向金融领域的时序知识图谱问答系统,该系统自适应选择基于规则匹配与动态知识图谱表示的方法,实现对金融领域时序问题与非时序问题的智能问答。以金融领域海量互联网数据为数据源,定义实体类型和关系,将结构化的知识作为问答系统的知识支撑,实现了系统的各个功能模块。该智能问答系统的构建有助于人们便捷获取所需的金融信息,具有较强的应用价值。