智能问答系统经历了从规则依赖到语义理解的变革,问答质量不断改进.随着Web2.0时代的到来,社区问答系统逐步成为人们获取知识的主要方式.在社区问答系统中,用户成为分享和管理知识的主体.研究人员也开始关注用户在问答系统中起到的重要作用.社区问答系统的最大挑战是保证问题回复的及时性.因此,研究者试图在提问者提出问题时自动找到相关答案.其主要分为三个部分:理解自然语言问题的语义;从已有答案中找到最相关答案;根据已有知识生成新的自然语言答案.本论文利用短语表示问题及其相似性关系,以期解决社区问答中的答案选择及答案生成问题.本论文将句法分析引入到短语挖掘过程中,有效地改进了短语挖掘效果.创新性地将词嵌入方法扩展到短语嵌入方法,利用神经网络学习短语的向量化表示,并通过向量距离表示语义相似关系.在短语嵌入的基础上,本论文提出两种社区问答方法:基于异质信息网的社区答案选择方法和基于知识图谱的社区答案生成方法.本论文主要研究内容如下:（1）基于句法分析的Quality Phrase挖掘方法.多数短语挖掘方法基于N-gram获取候选短语,它扩大了候选短语的搜索空间,并引入了无意义的候选短语.针对此问题,本论文将句法解析技术用于短语挖掘,利用解析树表示句子结构;然后通过遍历解析树获取具有独立语义的词序列作为候选短语,有效提升候选短语质量.本论文提出短语的重要性评价指标,并联合已有指标对候选短语进行综合评价.最后,本论文通过句法结构消歧进一步改善了短语质量.实验结果表明,基于句法分析的Quality Phrase挖掘方法在短语挖掘精度方面领先对比方法约6%,并提升约7%的候选短语转换率.（2）基于神经网络的分布式短语嵌入方法.语义相似性一直是自然语言理解的重要研究课题.本论文创新性地提出三种Phrase2Vec方法,将短语嵌入到向量空间中,并利用向量距离表示短语的语义相似性,有效地提升了文本语义表示的准确性.同时还将Phrase2Vec应用于文本分类和文本聚类任务.实验表明,Phrase2Vec在词相似性任务和短语相似性任务中分别领先对比方法约1%和5%.（3）基于短语融合异质信息网的社区答案选择方法.社区答案选择面临的最大挑战是从复杂实体关系中找到匹配答案.针对此问题,本论文利用异质信息网络表示社区问答中的复杂实体关系,并融合短语信息网络表示问题语义;然后,将社区答案选择任务转化为异质信息网的最短路径问题.本论文提出类型约束的Top-k相似实体查找方法以解决答案选择任务.实验证明该方法在最优秀的答案选择方法上提升约3%的答案匹配精度,降低约1%的平均误差.（4）基于知识图谱的社区答案生成方法.多数社区答案生成算法忽略用户背景的重要性,从而导致生成的答案与问题不匹配.针对此问题,本论文利用短语融合异质信息网络表示社区问答系统的实体关系;然后,根据用户的问答记录提取用户背景知识;最后,联合问题语义与提问者的背景知识进行知识库检索,并将相关的知识实体转化为自然语言答案.实验表明,该方法在答案生成任务中领先对比方法约3%的答案准确度.