问答系统作为自然语言处理领域最重要的任务之一,为人们提供了一种更加智能、高效、便捷的信息检索方式,也是人工智能研究的重要方向之一。由于各行业的领域知识差别较大、知识专业程度较高,因此构造领域问答系统更有实际价值和意义。同时,随着知识图谱技术的发展,知识图谱具有提供可信度高、关联信息完备知识的优点,因此基于知识图谱的问答系统成为研究者们关注的热点。本文基于问句实体识别、属性分类和知识库检索算法设计并实现了一个基于知识图谱的领域问答系统。本文主要展开的工作如下:1、针对问句中用户提问所包含的实体指称形式多样化难以准确划定实体边界,本文提出一种基于特征融合的问句实体识别方法。将问句首先经过BERT模型进行语义表示,然后通过BiLSTM和CNN网络同时提取问句特征并进行融合,最后输入条件随机场,进一步学习标签约束条件,从而提高实体识别的准确度。2、针对属性抽取阶段中仅通过<问句,属性>两者语义匹配难以理解问句真正含义,本文提出了引入答案信息辅助进行筛选。将其组成<问句,属性>和<问句,答案>的方式,并通过BERT模型进行联合语义表示;同时为了分配属性和答案对问句关联程度的权重大小,本文提出采用自注意力机制自动分配权重。3、本文通过构建CIDOC CRM本体模型和词表等方式融合多源数据,构建了一个文物领域知识库,并基于该知识库设计开发了一个领域知识库问答系统。