本论文选题来源于国家重点研发计划课题“公共文化资源智能共建共享与管理平台构建与示范应用（2019YFC1521405）”。在知识问答领域,人们开始寻求更智能的知识获取方式。目前的基于知识图谱的智能问答使用单层网络进行意图识别,识别深层语义的能力有待进一步加强。同时,随着用户数据量的增多和新问题的产生,需要解决的问题类型越来越多,智能问答系统需要随着时间更迭不断拓展。因此,一方面如何更好地识别用户的深层语义,另一方面,如何使智能问答系统动态扩展问题类型,成为智能问答领域亟待解决的两个问题。针对以上问题,论文在研究用户意图识别及动态扩展的基础上,研究了基于关键词分离的双层用户意图识别技术和自适应扩展方法,实现了深层次用户意图识别和智能问答系统动态自适应扩展的功能。最后,以学科课程领域为例,对系统进行了设计及实现,验证了论文提出的方法的可行性和有效性。论文的主要研究工作包括:1.设计了基于知识图谱的可自适应扩展的智能问答助手的构建流程和系统架构。基于知识图谱的智能问答助手分为四个模块,分别为“问题处理模块”、“答案处理模块”、“自适应扩展模块”和“数据处理模块”,可以在满足基本需求的前提下进行自适应扩展。2.设计并建立了用户典型问题案例库,作为智能问答答案的检索规则库。寻求了知识图谱和用户问题类型之间的联系,并将课程大纲作为数据来源,设计了本体模型,使用neo4j作为数据存储介质,搭建了知识图谱。3.提出了基于关键词分离的双层用户意图识别模型,解决了用户意图识别过程中,使用单层网络不能识别深层次用户意图的问题。分析了关键词特征在用户语句中的重要性,然后基于此进行了两层用户意图识别,第一层用户意图识别得到的是关键词和问题句式;第二层意图识别得到的是问题类型。综合这两层用户意图,最终得到用户的所有意图。4.提出了智能问答助手扩展的方法,实现了在智能问答助手构建初期用户反馈数据不足时智能问答助手仍能自适应扩展的需求。针对句法结构可以有效识别句子特征的特点,将分离了关键词的句法结构作为用户语句的替代,并使用层次聚类算法,对用户语句进行自动聚类。通过此算法,分别使用不同的阈值,得到层次聚类算法最好效果时的阈值。5.在以上研究的基础上,以pycharm作为开发工具,以neo4j作为数据存储介质,以python作为开发语言,设计并构建了学科课程智能问答助手,最终对系统进行了测试,验证了本文研究方法的正确性和有效性。本文有图25幅、表14个、参考文献64篇。