互联网上每天都会产生大量的数据,用户希望能够从大量数据中快速获取所需内容。现有的检索信息的方式已经不能够完全满足用户的检索需求。用户希望能够直接检索到自己真实需要的内容,而不是检索出大量的相关文档,再去依次查看每一个文档,寻找是否文档中包含自己寻找的内容。自动问答系统是一种常见的信息检索形式,可以快速并且准确地解答问题。自动问答系统已经应用到了不同领域,它是目前人工智能和自然语言处理方向的一个研究热点。现如今,我国的电商行业蓬勃发展,线上购物已经成为了大多数用户的首选购物方式。随着电子商务用户的增加,电商网站的用户咨询量也随之增加。为了给用户提供更加优质的服务,需要构建专业并且庞大的人工客服团队。自动问答系统相对于人工客服,能够不受时间和环境的影响,二十四小时持续为用户提供专业的服务。在电商行业中,使用自动问答系统,能够承担部分人工客服的工作,为企业节约成本,提升用户的体验。因此,研究基于电商领域的自动问答系统,具有很大的应用价值。本文的研究目的是构建一个面向电商领域的自动问答系统。本文的主要研究内容包括以下几个方面。自动问答系统的核心部分是算法模块,本文针对电商行业的咨询特点,设计并实现了算法引擎模块。本文对自动问答系统进行了深入的研究,考虑到电商用户咨询的问题一般是目标驱动的,最终选择基于问答对的形式,构建问答系统。本文将问答系统回答用户的问题的过程,抽象成选择知识库中与用户问题最为匹配的问题的过程。这一过程实现的关键在于语义匹配算法。目前深度学习在语义匹配上取得了不错的成绩。深度学习算法的训练需要大量的数据,并且算法最终的效果与数据集的质量密切相关。本文收集了大量的客服数据,采用人工标注以及自动标注结合的方式,构建了一个电商领域的问答集。本文基于构建的语料集,实现了不同语义匹配算法,对比了这些算法在数据集上的性能表现。实验结果表明,基于卷积神经网络的算法模型效果最好。本文构建了一个完整的问答系统,并为问答系统提供了配套的知识库管理模块。本文实现的问答系统可以分为三大模块,问句解析、信息检索和答案生成。问句解析模块将用户的问题分类,分析用户的真实意图。信息检索模块从知识库中检索与用户问题最匹配的问题。答案生成模块获取问题的答案,将答案返回给用户。本文还为问答系统设计并实现了配备的知识库管理模块。知识库管理模块支持添加和修改问答对,为问答系统提供准确的训练数据。同时,知识库管理模块可以统计用户的提问情况,以及问答系统的匹配情况,为分析和改进系统提供了依据。