目的:近年来,随着互联网医疗的兴起,出现了大量在线医疗健康类平台,患者在平台描述自己的症状和问题,医生根据患者的描述进行诊断、建议或进一步询问。这可以远程解决部分患者的问题,使其不用到院就诊,极大的方便了患者,也对医疗资源起到了一定的合理分配作用。但随着数据的积累,许多患者提出了相似的问题,造成医疗资源的浪费。因此本课题基于各种自然语言处理技术,依托公开可获取的医学问答等知识库构建问答模型,最后搭建智能问答系统,服务于患者。方法:首先构建医学领域问答知识库与药物相关知识图谱,并设计和搭建同义语料制备平台,以知识库中的中文医学问题为模板,制备医学相似问题数据集,然后使用该语料训练医学相似问题匹配模型,并使用该模型将患者问题和问答知识库中所有问题进行比较,寻找最相似问题,返回对应答案作为回答。对于患者提出的涉及到具体药物的问题,将基于药物知识库进行回答,最后整合医学相似问题深度匹配模型和药物问答模型,搭建医学智能问答系统。结果:本文使用了两个已有的公开同义文本数据库对同义语料制备平台进行验证,结果表明使用本平台制备的数据训练的相似文本匹配模型和使用原始数据训练的模型在测试集上表现相当,说明使用本平台制备同义语料可行。受限于问答数据库的大小,本文搭建的智能问答系统只能对患提出的问题中的69%进行回答,其中回答的可接受性P@1=0.47,P@3=0.6,对于患者提出的常见问题能够做出很好的回答。结论:以医学问答知识库为支撑,采用相似问题匹配的方法可以回答患者约69%的问题,当患者问题涉及到个性化药物时通过接入知识图谱可进一步提升问答效果。结果表明,在海量问答数据以及医学知识库的支持下,基于自然语言处理技术可以对患者的常见问题进行自动回答,在一定程度上减轻医生负担。