现如今,随着各行各业信息化建设的加快和产业规模的扩大,人们为了更加精准高效地获取更多的前沿信息以开拓视野增加认知,都会使用智能问答系统进行查询。智能问答系统是一种基于人工智能的、比传统搜索引擎更为强大和高效的信息检索系统,也是用户使用自然语言和计算机交互的一种重要形式。一个良好的智能问答系统需要丰富的底层语料库参与以便能提供推理决策支持,所以如何从语料库中组织出决策所需的相关信息以帮助系统更好的完成推理过程就格外的重要。这里涉及到两个难点:如何根据语料库内在特征和结构提炼出富语义的实体连接关系数据,以及如何根据这些数据进行智能高效的推理以回答用户的提问。因此,能够从底层语料库中自动构建出与用户问题相关的实体关系数据,并通过智能高效的推理方法从中获得解答就变得很有研究价值。本论文将以中文维基百科为基础语料库,进行基于自然语言实体连接关系的智能问答推理方法关键技术的研究,并期望未来推广到一些特定领域的语料库上也能实现相应的效果。研究工作主要包括设计中文的实体提取算法,从问题描述语句中导出关键实体信息,并利用语料库构建出自然语言实体连接关系,以完成推理决策数据的构建,最后结合BERT预训练语言模型和图神经网络架构来设计出高效的智能问答推理算法。实验表明整个系统具有较强的推理分析能力,并能根据用户复杂的问句文本给出合理正确的答案。本文还以此为基础开发了一套可用的智能问答系统交互界面,它具有良好的交互能力和用户体验。