随着大数据时代的带来,人们面临着信息爆炸、信息过载等问题。搜索引擎返回的大量信息已经无法满足人们快速准确获取信息的需求。智能问答系统的出现很大程度上弥补了搜索引擎的不足。因此,甚至有人断言,问答系统将是下一代搜索引擎。开放领域问答系统、限定领域问答系统以及聊天机器人等,极大地提高了人们获取信息的效率,降低了企业的人工成本。然而,现有的智能问答系统对于深度学习算法的应用还不够充分。其次,各大商业公司对于智能问答系统的研究都比较封闭,未将其开源。本文对现有的问答系统进行研究,同时对深度学习理论进行了深入研究。希望能将深度学习理论的最新算法应用于智能问答系统的研究中,以达到提高问答系统准确率的目的。本文的主要研究包括以下三个方面:第一,本文将深度学习中的新算法——深度波兹曼机算法应用于知识库构建模块。本文不仅对深度波茨曼机的结构进行详细的分析,并提出了基于深度波茨曼机的知识库构建模型。与人工神经网络算法以及深度置信网络的对照实验结果表明具有无向深度结构的深度波兹曼机模型取得了更好的实验效果,准确率提高约4%。第二,在信息检索模块,本文提出了基于语义模型与堆叠的双边长短时记忆模型深度混合算法(SM-BLSTM)。该模型利用了语义模型的语义特征以及双边长短时记忆的深度结构与循环结构,充分表达句子间的时序特性。同时,与最大熵模型、人工神经网络以及卷积神经网络算法进行比较,SM-BLSTM在不同数据集中都取得较好的实验结果,平均准确率提高约5%。第三,在完成智能问答系统的建模分析后,本文依据构建的模型,构建了一个面向电影知识领域智能问答系统。与现有的智能问答系统相比,我们的系统取得更好的实验效果,F1值提高了 4.3%。