智能问答系统是当前自然语言处理研究中的难点和热点。基于深度学习的端到端问答系统使用自然语言句子作为输入,无需词法句法处理就可以自动提取句子间的语义特征,并在候选答案中挑选出符合问题要求的正确答案。理解自然语言句子之间的语义关系是问答系统中最困难的环节,也是目前自然语言处理任务所面临的核心问题。本课题研究端到端的检索式问答系统中如何计算和评价自然语言句子之间的语义关系,如何将计算过程与评价过程结合起来,提高检索的效率。本课题的创新点如下:一是针对以往问答模型中单向分配权重的缺陷设计了一种双向权重分配机制,在计算问题的表达时动态地加入答案的影响;二是针对以往问答系统只对词进行特征强化的缺陷设计了句子层面的特征强化机制;三是设计了同时在多个角度对句子和词的特征进行强化的算法和模型;四是设计了一种新的只针对词的特征强化算法并将特征分层次添加到网络中。多个公开数据集的实验结果表明,本课题的四项创新分别提高了基准模型的性能,达到了目前最好的准确率水平。针对创新点撰写的四篇论文分别被国际会议发表或录用。