量子理论的发展衍生了基于量子概率构建语言模型的研究,有学者提出量子语言模型(QLM)并将其应用于信息检索任务中,该模型利用量子理论中的密度矩阵建模句子中的词项依赖。近年来,为了扩展量子语言模型的理论和应用,神经网络量子语言模型(NNQLM)将密度矩阵嵌入到神经网络模型中,该模型利用神经网络技术训练句子的密度矩阵表达。然而,这两种量子语言模型依然存在一些限制:第一,量子语言模型无法构建句子中多个词之间不同语义的相互作用;第二,NNQLM中神经网络主要是为了训练效果的提升,神经网络与量子语言模型的联系有待从理论上进一步研究。为了解决这两个难题,在本文中,我们提出了基于量子多体波函数的语言模型(QMWF-LM)。在该模型中,句子由高阶张量表示,我们认为高阶张量具有比密度矩阵更强的表达能力并能构建句子中多个词不同语义的相互作用。为了使QMWF-LM可以应用于实际的自然语言处理任务,我们探究了高阶张量分解和卷积神经网络(CNN)的联系并基于CNN模型对高阶张量进行求解。QMWF-LM从理论上构建了卷积神经网络,语言模型和量子力学的联系。我们设计了一个端到端的算法将QMWF-LM应用于问答任务中,为了使得实验的结果更具有说服力,我们将模型应用于TREC,WIKI传统问答数据集和基于社区问答的Yahoo数据集。实验的结果表明QMWF-LM比QLM和NNQLM有显著的提高。