随着信息时代的到来,人们在网上获取知识的渴望越来越高。传统的基于搜索引擎的信息检索方式会返回大量与问题相关的网页,这不仅对网页的排序准确率有较高的要求,还需要人工的去点击链接筛选信息,这无疑会耗费一定时间。因此,问答系统应运而生。问答系统可以直接理解用户的问题,返回简洁正确的答案,降低用户查询成本。知识图谱是一种新型的数据库,可以看作是巨大的语义关系网,表示客观世界实体之间的关系,其以图结构存储知识。因而知识具有关联性高、结构性好、准确性高的特点。基于知识图谱的问答系统结合了上述两者的优点受到学术界和工业界广泛关注。目前,基于英文知识图谱的问答已经形成了一定体系,主要包括问题分类、实体链接、关系预测、答案生成等关键技术。但中文知识图谱问答研究起步较晚,还有许多问题亟待解决。尤其是中文单词很多具有一词多义的特点,实体链接效果往往不尽如人意。因此,本文结合启发式规则和序列标注模型实现候选实体生成来尽可能提升候选实体的召回率,并设计实体的统计特征和实体的语义特征对实体消歧得到问题中的主题实体。实验结果表明本文方法不仅能考虑到实体的不同表现形式,同时保证实体链接结果的准确率。知识图谱中的关系数量较多,且训练集规模有限,在问答测试时往往会出现不可见关系的情况。因此,本文基于预训练语言模型预测简单问题关系,提高对不可见关系的预测。并对不同的预训练语言模型在中文知识图谱问答任务上的表现进行探索,对结果加以比较分析。针对多跳关系和多实体的复杂问题,本文提出查询图生成的方法。设计查询图特征对候选查询图排序打分,不断迭代,选出分数最高的查询图转化成查询语句检索答案。最终有效地解决了这两类复杂问题。尽管基于中文知识图谱问答在学术界的研究不断发展,但在落地应用方面的工作还尚有不足。本文结合上述两方面的研究,构建了面向大连理工大学基础信息的知识图谱,并在此基础上开发了大工问答系统（DUTQA）,为中文垂直领域知识图谱问答设计和实现提供思路。同时,在中文开放域知识图谱问答实现方面,使用PKUBase图谱,构建了可同时回答事实类和是否类问题的CKBQA。为了充分利用知识图谱中的信息,问答系统会预测问题答案类型,与答案实体类型比对提高结果准确率。本文还对多约束条件问题提出了解决方法。最终,本文将两个系统封装成网页展示,并将答案结果实现图形方式展示。