随着社会经济的发展,人们生活水平的提高,汽车已成为人们出行必不可少的交通工具,人们购买汽车的需求日益增长,但汽车方面的信息(比如汽车品牌、车型以及相关价格等)众多,用户无法精准地找到适合自己的车辆。因此,众多学者和研究人员投入研究,但是在当前大数据的时代背景下,人们依旧无法利用传统的搜索引擎精确地检索到自己想要的结果。用户在使用传统搜索引擎搜寻问题时,它返回给用户众多和车辆相关的信息的网页,其中包含对用户无益的信息,用户需对结果进行二次筛选,浪费了用户时间。为了让用户快速获取信息,提高用户体验效果,本文设计实现了基于TensorFlow的智能问答系统,弥补了传统搜索引擎的不足,为用户问题提供精准的答案并减少用户等待时间。论文介绍了课题的背景与研究现状,综述了目前问答系统存在的问题,结合国内外类似系统的发展现状,以解决用户关于汽车问题的实际需求为依据,对问答系统的业务流程进行了梳理与优化,用UML语言对系统功能模块进行建模,利用TensorFlow深度学习框架设计并实现了一个基于深度学习的汽车智能问答系统。本文的主要研究工作:首先利用爬虫技术从互联网上较大的汽车门户网站抓取相应的数据集,并对其进行预处理最终得到数据格式统一的数据集;之后利用Word2Vec模型对词向量进行转换使中文词向量表达更为精准;其次选取TensorFlow框架对Seq2Seq(Sequence to Sequence)模型构建在此模型基础上采用双向长短时记忆网络,并在双向长短期记忆模型上引入注意力机制,使模型能够根据语句的重点提供更加准确的结果;最后在系统人机交互界面,采用安卓技术设计一款移动客户端应用程序。本文设计开发的基于深度学习的汽车智能问答系统能够综合多方信息,准确、快速的为用户提供可靠的信息。