在互联网时代,搜索引擎成为人们获取信息的主要方式。人们只需要输入想查阅的关键词,搜索引擎即可返回相关的网页。然而,搜索引擎也有一些不足,比如关联页面多、内容繁琐等。因此,需要一种更为简单高效的获取信息的方式,故问答系统应运而生。面对网络的海量信息,特定域问答系统因其可行性高和用途广泛而备受关注。本文致力于面向特定域智能问答系统的研究,主要研究内容分为以下三个部分。(1)针对特定域的知识库自动构建方法。首先提出一种基于SVM及文本密度的网页信息提取方法,通过该方法可以有效定位网页正文信息并自动爬取;其次提出了一种文本主题划分及TextRank中心句提取的方法,该方法会自动对文本主题的中心句进行提取,并将中心句作为问答信息存储到知识库中;本文提出的知识库自动构建方法在实验和实际应用中都取得了良好的效果。(2)基于特定域的知识库检索的智能问答。采用布尔倒排序索引法从知识库过滤出候选回复集,然后使用相似度算法对候选回复集进行精确筛选得到最佳回复并返还给用户;本文提出了一种基于词向量及位置编码的Jaccard的相似度算法,实验结果表明,该方法不仅有较高的准确率,而且对词序有较好的辨识能力。(3)基于深度学习的多轮集成式问答。本文针对闲聊对话方面,提出一种基于检索式与生成式相结合的多轮集成式问答模型;实验结果表明,集成式模型要比单一模型在一定程度上表现更好,将此模型应用到特定域问答系统的闲聊模块中,取得了很好的效果。基于上述研究内容开发了基于历史领域的特定域智能问答系统。经系统测试,该系统不仅可以准确的回答历史领域的相关问题,而且在闲聊方面表现出色,满足了用户的基本需求。本文工作对于推动面向特定域的智能问答系统方面具有重要的理论和实际意义。