随着互联网技术的快速发展和大数据技术广泛应用,如何在大量的网络信息中准确获取用户真正的意图变得越来越重要。自动问答系统如何能够理解用户的问题,更加智能、准确地为用户提供信息,是目前学术界和工业界研究的热点。在目前常见的答案选择方法中问答匹配结果的好坏取决于句子特征向量的构建,直接用于对句子建模容易缺失词汇之间的语义信息,对匹配度的计算影响较大。本文主要针对当前主流答案选择方法中的缺陷提出基于改进的比较对齐语义信息的答案选择技术。基于改进的比较对齐语义信息的答案选择技术分为“粗匹配”和“细匹配”两个步骤。通过分析当前问句与答案语义匹配情况,先对问句与答案进行“粗匹配”,主要通过改进的基于三种影响力的关键词提取技术提取问句关键词,这三种影响力分别是词汇位于文本的相对位置、词汇在文本中出现的频度、词汇节点之间的相似度。在卷积神经网络文本分类模型中用提取出的关键词和关键短语代替原文本进行分类,获取问句所属类别的候选答案集。在候选答案选择时,选取比较对齐语义匹配模型,对框架的预处理层、注意力层和比较对齐层进行改进,利用改进后的模型对问句与候选答案集进行“细匹配”,获取匹配得分最高的答案作为正确答案。论文将提出的基于改进的比较对齐语义信息的答案选择技术应用到保险咨询系统进行了测试验证,系统能够从已有的数据库中抽取出比较符合客户问句意图的答案并成功返回给客户。相较于现有答案选择技术,本系统的答案选择技术的语义匹配的准确率有所提高。