问答系统是新一代智能搜索引擎，它允许用户以自然语言提问，并能够向用户返回准确的答案。所以，与传统的搜索引擎相比，问答系统能更好的满足用户的查询要求，更准确地检索出用户所需要的答案。本文主要利用自然语言处理技术，研究中文问答系统中的两个关键技术：问题理解和信息检索，并实现了一个汉语问答系统CQAS。问题理解是中文问答系统首先进行的工作，此过程的分析结果对后面的处理有重要的影响。本文在前人研究的基础上做了如下的工作：(1)针对本系统主要处理的是事实类的简单问题，提出了基于启发的疑问词和疑问焦点相结合的问题分类方法；(2)建立问句句型库，对问句进行句型分析，提高了系统处理多种表达形式问句的能力；(3)采用机器学习的方法，以最大熵模型作为分类器，进行问句的语义角色标注，并将问句转化为语义框架结构。信息检索是问答系统中承上启下的一个重要的组成部分，其质量直接影响系统的性能。本文提出了一种两策略的检索方法，包括本地知识库检索和网络检索。利用网络上出现的知识共享平台，构建大规模的真实用户问题知识库，实现本地知识库检索。如果本地知识库检索失败，则进行网络检索，利用Google搜索的网页片断作为答案抽取的资源，而不下载网页片断对应的网络源文件。最后，针对问题理解阶段和信息检索阶段采用的方法，对系统CQAS进行了测试及分析，实验结果验证了本文所采用方法的可行性。