FAQ系统的工作原理是将用户提出的问题与问题库中的问题进行匹配,找到语义相似的问题。现有FAQ系统并未针对特定领域进行优化,没有引入领域知识。本文以操作系统领域为例,研究了基于领域知识图谱的FAQ问题匹配。在操作系统FAQ中,用户所提问题通常存在包含缩写、专有名词较多和表述不规范等情况,从而影响了问题匹配结果的效果。此外,用户所遇问题通常与操作系统的操作界面有关,利用截图信息可以有效地增强问题匹配的性能。针对缺少领域知识的情况,本文构建了操作系统知识图谱,以期增强问题匹配的性能。为提高融入知识的准确性,本文提出了知识筛选方法,先从知识图谱中尽可能地选取候选实体,再使用知识筛选模型分析候选实体与问题之间的语义关联,确定相关知识实体。为了充分地利用知识,本文对融入知识的预训练模型K-BERT做出了改进,提出了FK-BERT模型。FK-BERT模型既考虑了单个问题内部实体之间的关系,也考虑了两个问题之间的实体关联关系。针对未充分利用图像信息的情况,本文从领域图像中提取了信息。为了利用操作系统截图中包含的文本,本文使用OCR识别图像中的文本,并使用图像中的文本是否高亮、相对位置和与问题文本的关联程度三个指标,筛选出图像中重要文本。为了将图像文本信息输入FK-BERT模型,本文对模型做出了如下改进:将图像中的每一块重要文本的相对位置设为相同,同时,使图像中的文本对原始问题文本没有注意力影响。实验结果表明,知识筛选步骤能有效的提升融入知识准确性,其对K-BERT和FK-BERT的性能均有所提升。FK-BERT相较于K-BERT模型考虑了更多实体间的关系,融入的知识更完整,在问题匹配上取得了较好的效果。同时,使用领域图像信息增强来优化问题对匹配是有效的,使用图像信息增强的问题匹配,取得了更好的精确率提、召回率和F1得分。此外,本文还实现了操作系统领域的FAQ原型系统,该系统在速度和准确率指标上能较好的满足实际需要。