随着互联网产业的快速发展,传统的搜索引擎仅仅基于关键字进行匹配,忽略了用户的语义意图,难以准确的返回有效信息,已经无法满足人们快速搜索的需求。问答系统能够利用神经网络理解用户输入的文字中隐含的语义与意图,准确的给出用户想要的内容。问答系统分为任务型问答系统与非任务型问答系统。非任务型问答系统主要基于开放域知识完成与用户的闲聊功能。而任务型问答系统则是基于特定的领域知识完成用户给出的任务、回答用户问题的功能,广泛应用于客服领域、专业领域。知识图谱是一种结构化表示知识的技术,相比传统的关系型数据库,能够更好的存储领域相关知识,极大的提高用户对知识的检索效率。因此,基于知识图谱的任务型问答系统具有更广阔的前景。本文以医疗领域为例,研究并实现通过爬取半结构化数据快速创建特定领域知识图谱的方法。通过爬取Web网页数据,得到半结构化数据,对半结构化数据进行数据清洗、实体识别与关系提取,并永久存储于图数据库中。研究当前主流意图识别、对话管理技术与开源框架,研究并实现通过Rasa框架搭建意图识别服务、对话管理服务,从意图识别准确度、问答准确度对Bert模型与Mitie模型进行评价。并根据医疗领域业务逻辑,设计训练数据、对话模型,设计动作函数,以槽填充的方式实现多轮对话管理。为保证系统功能的完整性,该系统通过会话管理服务完成对用户请求的处理,通过账户管理模块记录用户的病历与问答历史,并通过Docker以微服务形式将会话管理模块、对话管理模块、账户管理模块进行分布式部署。为保证系统性能,通过Nginx实现系统负载均衡,并通过改进的负载均衡算法维护用户问答过程的专注度。