随着互联网的高速发展和医疗设施的进一步完善,人们对在线医疗资源的需求程度也越来越高。但互联网的数据尤其是医疗相关的知识有很大的不确定性,智能问答系统正成为辅助医疗与搜索的一个重要手段。目前医疗领域也正不断信息化,但医疗领域下的智能问答系统仍不完善,如何合理构建医疗知识库并解决智能问答的关键技术难点成为本文的主要研究方向。本文构建了中文医疗知识图谱作为问答知识库,并解决了智能问答的问题分析及答案生成阶段的关键技术难点。首先,将互联网中海量的半结构化、非结构化的医疗数据进行知识抽取与知识融合等,构建了一个中文医疗领域下具有疾病、症状、检查等多维度数据的知识图谱;然后,为扩充知识图谱本文研究关系推理技术,研究Trans E及其衍生模型,结合实体间的路径信息提出PTrans H模型,取得了较传统模型更好的效果,本文进一步结合实体与关系的类型信息,提出ZPTrans H模型,并应用于中文医疗知识图谱的关系推理中,得到了优于其他Trans系列算法的效果;同时,本文以知识图谱为知识库,研究智能问答技术,提出结合TF-IDF与词向量的主题词抽取模型,并在答案生成阶段提出多轮问答场景下的句向量模型,利用知识图谱实体间的路径信息,自生成相关实体的问句再进行句向量匹配,提高了问答准确率。本文最后结合以上研究成果,设计了一个基于知识图谱的智能问答系统,验证了以上研究的可行性。