随着计算机网络的发展,在线搜索已经成为一种快速获取信息的新途径。用户越来越希望能够快速地获得自己想要的答案,然而搜索引擎以网页列表的形式返回搜索结果,需要用户从中去找到答案,这在一定程度上降低了搜索效率,用户体验也受到一定的影响。自动应答系统弥补了搜索引擎的不足,直接返回准确、简洁的答案给用户,并且允许用户以自然语言的方式提问,提高了用户查询的便捷性。自动应答系统应用范围广泛,是自然语言处理领域里非常重要的研究方向。本文对自动应答系统中的关键技术进行了研究与改进,并取得了一些研究成果,主要工作包括以下几个方面：(1)提出了利用Canopy聚类算法与LDA主题模型相结合的方法,实现了对文本集的聚类操作。(2)结合词向量得到词语之间的语义信息,提出了改进的Text Rank标签抽取算法。(3)实现了文本聚类技术与标签抽取技术相结合的标签自适应抽取功能。(4)结合新浪微博上用户与企业客服的问答特点,设计与实现了基于自适应标签抽取的客服微博自动应答系统。通过实验证明,改进的LDA文本聚类方法缩短了文本集的训练时间,提高了文本聚类的整体效果；基于语义信息的Text Rank标签抽取算法要优于其它传统的标签抽取算法。经过系统测试,本文所构建的基于自适应标签抽取的客服微博自动应答系统易用性强,系统准确率达到70%以上,响应时间小于1秒,基本满足用户需求,能够帮助企业高效的完成客服工作。