问答系统是指用户以自然语言问句的形式提问,系统通过对问句的分析从文档集中选择最匹配的文档返回给用户,它满足了人们对快速、准确地获取信息的需求,是目前人工智能和自然语言处理领域中一个重要的分支和研究热点。然而,随着微博的迅速发展,许多机构和公司在微博平台都注册了自己的官方账号,通过该账号发布一些官方消息并为用户解决日常问题,对于用户基于微博提出的问题,机构或公司的客服人员会及时对这些问题进行解答,以提高用户服务质量。随着时间的积累,这些官方账号与用户之间形成了大量丰富的问题答案对,如果能够通过对这些问答对的学习,为机构或公司建立自动的问答系统,使用户提出的每一个新问题,能够快速地从已有的数据集中匹配出最相似的数据给客服人员,将提高系统的效率,减少客服人员的工作量。本文针对以上问题,通过调研问答系统的相关方法和处理依据,提出一种新的查询扩展的方法,主要工作如下：第一,分析了微博客服与用户进行交互的问答对语料,发现相似的答案对应的问题具有较高的相似性；第二,提出了基于QA训练语料对问答系统进行查询扩展的方法,并设计了对应的查询扩展算法；第三,实现了基于QA训练语料进行查询扩展的微博客服自动应答系统,通过与基于BM25算法的系统结果进行对比,证明了系统设计的合理性及良好的检索性能。