近年来,知识图谱的迅猛发展使得数据以更接近人类认知的形式被组织和理解,为人工智能应用提供高质量的数据资源。问答系统作为知识图谱的典型应用,利用知识图谱中的实体及其关系进行推理得到答案,它能够接受自然语言形式描述的问题,更好地理解用户提问的真实意图,更有效地满足用户的精确信息需求,为用户提供个性化知识服务。本文以中华诗词为例,主要研究中华诗词领域知识图谱问答系统的两个关键技术:问句中的主题实体链接和实体关系抽取。具体研究内容如下:（1）基于神经网络的多特征融合实体链接。针对分词带来的弊端以及无法利用句子中的词语信息问题,提出基于Lattice-LSTM命名实体识别模型实现问句主题实体的识别;针对实体指称项特征的不足,通过融合实体流行度、实体类型、实体上下文、名称相似度以及包含字符特征对候选实体进行打分和排序,最终选择分值最高的候选实体作为目标实体。实验结果表明,该方法相比一些传统方法取得了更优的准确率。（2）基于双层注意力的Bi GRU实体关系抽取。针对原始特征的不足,在特征提取阶段通过融合句子中的词特征、词性特征以及位置特征来丰富文本特征;其次,在传统的Bi GRU网络中引入基于词语的注意力机制和基于句子的注意力机制,使模型更关注较为重要的特征,降低噪声对抽取任务的影响。实验结果表明,该模型能够提升实体关系抽取的准确率。（3）诗词领域知识图谱构建。针对诗词领域知识图谱的缺乏,首先分析诗词领域知识服务需求,然后设计诗词领域模式,接着通过知识抽取、知识融合、知识存储等技术构建诗词领域知识图谱,为诗词知识问答系统提供数据支撑。（4）结合上述研究搭建一个Web端的基于语义解析的诗词知识问答系统,并实现知识图谱可视化展示。