目前土木工程领域信息化服务建设正处于发展阶段,设计人员在设计过程中会涉及到大量知识检索和知识问答的需求,而目前大量的领域知识、规范和标准都是非结构化文本的形式,知识库的构建存在着难度,口语化的自然语言问题也无法被有效解析,问答需求无法被满足。因此本文选定土木工程垂直领域的智能问答应用作为切入点,使用新型自然语言处理方法深入研究面向该领域的智能问答技术。本文的工作是基于知识库的土木工程智能问答系统构建,主要涉及自然语言处理技术。按上下游具体技术难点,分为问答句对自动构建技术、知识库自动构建方法、智能问答方法、智能问答系统构建四个方面。（1）针对土木工程领域问答句对语料数据量小的问题,提出了一套用于扩充问答句对数据集的模型方案,该方案是BERT、Transformer和UniLM结合的序列学习模型,使用二次预训练方法将大量开放域语料的语法、句法规则迁移到土木工程领域,结合该领域内的少量人工标注数据获取语义信息,并对模型堆叠模块随机采样分层训练,优化参数后生成高质量领域目标问句,最终形成领域自然语言问答句对数据。模型生成问句质量达到了最佳的26.19-BLEU,相比基线模型LSTM提升达12.78。（2）针对知识库构建难的问题,提出了用于自动化构建知识库的联合训练端到端深度学习模型CivilWoSpERT。该模型是基于子序列片段Span、融合了词晶格嵌入表示机制的命名实体和关系联合抽取方案。最终在命名实体识别任务上达到了 87.47的F1值,在关系抽取上达到了 78.66的F1值。（3）针对智能问答方法,提出了一种基于知识库的快速问答方法,该方法可解析自然语言问题并通过知识库检索返回目标答案。（4）在智能问答系统的构建方面,主要对系统进行前三阶段模型和方法的融入,采用主流的前后端分离Web系统方案完成整个智能问答系统的搭建。本文旨在通过以上内容对土木工程领域智能问答系统深入研究,逐个解决数据集数量小、信息抽取难度大、传统知识库对领域知识覆盖不足等针对性问题,通过深度学习方法构建一套能够满足实际智能问答需求的土木工程智能问答系统。