随着人工智能的迅速发展,以大数据知识工程、自然语言处理和深度神经网络等为基础的新型信息技术受到了国内外多个行业领域的密切关注,知识图谱作为大数据知识工程的核心技术得到广泛应用,其下游任务知识图谱问答也已在多个行业领域进行了有益探索。目前,桥梁工程领域信息化建设正处于起步阶段,桥梁管理养护过程中也已积累了大规模的桥梁检测数据,为桥梁管养的数字化发展奠定了数据基础。结合知识图谱和智能问答关键技术,开展桥梁检测领域知识图谱构建和知识图谱问答研究,对辅助桥梁管理养护,加速桥梁工程信息化建设具有重要意义和深远影响。因此,针对桥梁管养实际业务场景中的交互式细粒度知识问答服务不足问题,本文开展了桥梁检测领域知识图谱问答关键技术研究。（1）针对桥梁检测领域知识图谱和问答语料缺乏问题,提出了一种适应该领域特性的知识图谱及问答语料构建方法技术路线。首先,采用OWL本体语言对该领域概念、属性及公理约束进行了形式化语义建模。然后,采用多任务联合学习模型对细粒度信息进行抽取,并将融合后的实例数据存储在Neo4j图数据库中,实现知识图谱化表示。在此基础上,选择了该领域知识图谱中154座桥梁的25103个相关知识三元组,构建了一个包含桥梁基本信息、损伤病害、技术状况等问题类型的桥梁检测知识图谱问答语料库,初步满足了桥梁检测知识图谱问答任务的实验数据需求。所提联合学习模型在桥梁检测领域命名实体识别、关系抽取任务中的F1值分别为93.28%、74.00%。（2）面向桥梁检测这一限定问题域场景下的实际问答需求,提出了一种基于问题分类的模板匹配式桥梁检测知识图谱问答方法。该方法选用BERT模型进行字符级嵌入,采用朴素贝叶斯分类算法进行问题分类。根据抽取到的主题实体对问题分类后所匹配到的问题模板进行实例化,并生成相对应的Cypher结构化查询。最终以自然语言短文本形式返回问题答案,实现桥梁检测领域细粒度结构化信息的交互式问答。实验结果表明,基于问题分类的模板匹配式知识图谱问答方法能够较好地回答细粒度桥梁检测问题,问题模板匹配的精确率、召回率和F1值分别为87.16%、76.70%和81.60%。（3）针对桥梁检测问句向量化表征与知识三元组嵌入的语义相似度计算问题,提出了一种融合BERT和层级交叉注意力机制的桥梁检测知识图谱问答模型。首先,BERT预训练语言模型和静态领域词典用作桥梁检测问答对的嵌入层,以提取多粒度特征。其次,使用Bi LSTM神经网络深度提取问题的上下文特征以找到主题实体。最后,层级交叉注意力机制实现了桥梁检测问句和知识三元组之间的信息交互,并从浅层词汇和深层语义两个维度计算问题和候选答案间的语义相似度。所提模型在NLPCC问答数据集和桥梁检测问答语料上都取得了优异的性能,其0)（62）0)1值分别为84.25%、86.95%。综上所述,以桥梁智能化管养为问题导向,结合知识图谱与智能问答技术,构建了桥梁检测领域知识图谱和问答语料。以此作为数据支撑,分别提出了适应于桥梁检测领域的模板匹配式知识图谱问答方法和信息检索式知识图谱问答模型。同时解决了桥梁检测问句的结构化查询转化问题以及问答对语义相似度计算问题,达到了预期目标。