随着人工智能技术的发展,自动问答技术得到了广泛的关注。与传统的搜索引擎不同,问答系统的主要目标是向用户返回正确而简洁的答案,而非大量候选答案的集合。知识库是文本资源的基础,通过利用知识库,可以细致的分析文本资源中所包含的语义知识。在本课题面向知识库的知识问答技术研究中,主要包含以下三个方面的内容:基于单关系信息检索的知识库问答技术、基于多关系信息检索的知识库问答技术和基于语义解析的知识库问答技术。针对基于单关系信息检索的知识库问答技术,本课题主要探究关系识别技术。先前的工作主要考虑如何建立问题与问句之间的匹配方法,忽略了问题中句法的重要性,所以本课题尝试使用依存句法树,提出了一个基于双向树结构的关系识别模型。实验结果显示本课题提出的方法相对之前的工作有着明显的提升。针对基于多关系信息检索的知识库问答技术,本课题在基于单关系信息检索知识库问答技术的基础上,定义语义图,添加约束识别技术,构成了端到端的知识库问答系统。实验结果显示本课题构建的知识库问答系统效果显著,在最后,我们对其出现的错误进行了详尽的分析。针对基于语义解析的知识库问答技术,本课题首先介绍了序列到动作模型、定义了语义图和动作序列,并基于序列到动作模型提出了基于拷贝机制的语义解析模型和执行导向的语义解析模型。实验结果显示两种方法与基于序列到序列语义解析模型的基线方法相比有着显著的提升。在最后,我们对本课题中提到的基于信息检索的模型和基于语义解析的模型进行了详细的对比,比较了二者之间的差异性,阐述了不同因素对两种模型的影响,并对两种模型的优缺点进行了总体的阐述。