危险化学品作为人民生产生活中的重要原料,其用途广泛,是人们生活必不可少的物资。但危化品安全事故多发,危化品的安全问题也变得十分突出。危化品安全事故造成后果严重而事故的发生也具有突发性,因而增强危化品安全意识至关重要。目前我国已经初步形成了危化品安全管理制度,但由于安全管理形式仍然严峻,所以需要加强对危化品的智能化管理以辅助企业及有关部门对危化品安全生产进行全面监管并更准确有效地处理好应急管理工作。近年来,国家对危化品安全日益关注,基于此背景下,本文从实际情况和需求入手,构建基于知识图谱的危化品信息智能问答系统。危化品领域缺乏大规模可用语料,危化品词汇专业性较强。因此针对知识表示处理过程的复杂性以及危化品相关词汇的特殊性,提出一种基于反过滤多层次聚类的知识表示方法。首先利用反过滤Kmeans对新闻数据聚类并分析聚类结果,而后提取离群点用作后续实验;其次利用卷积神经网络模型将离群点按国家标准进行分类,并用Text Rank模型抽取危化品专利摘要关键词;接着利用余弦距离公式计算两部分的距离,将距离达到0.85及以上的实体及关系作为危化品知识表示。实验结果符合预期,验证了该方法在知识库构建中的可行性及有效性。有效的危化品问句分类是实现危化品问答的关键环节,因此针对危化品问句文本较短、语义理解困难以及噪声大特点,本文提出一种解决方法。首先人工采集并构建危化品专业词汇表用于Bert模型训练,利用已训练好的Bert模型处理问句文本;其次,利用双层Bi LSTM＿Attention和卷积神经网络共同提取文本特征。最后,将提取到的两部分特征融合后作为softmax层的输入,计算分类概率得到问句类型。实验结果表明该模型与传统问句分类算法相比F1值、召回率和准确率分别提升了2.75%-10.58%、2.53%-11.11%、3.38%-10.63%,在危化品领域的问句分类任务中取得了良好的效果。本文采用以上方案自主设计的危化品智能问答系统,不仅解决了危化品知识表示困难的问题,完成了危化品知识库的构建。并通过基于多特征融合的危化品问句分类算法对问句的特征提取及分类,匹配问题模板,有效提高问答过程可靠性。该系统不仅能够全面的展示危化品信息,而且提高了危化品问答的答案抽取准确度,实验验证了该系统的有效性。