智能问答是NLP领域的一个重要任务。2011年,以深度问答技术为核心的IBM Watson自动问答机器人在智力竞赛节目中战胜人类选手后,各大公司均加入到自动问答的研究和应用中。现有的智能问答系统以知识基础核心,包括以结构化文本为主的知识图谱和以非结构化文本为主的FAQ知识库。其中,知识图谱对简单事实类问题有很好的处理能力,但对事实陈述、推理、描述和观点类问题,其处理能力捉襟见肘。目前而言,FAQ知识库是后者最好的选择。但当前FAQ知识库的构建需要大量的人工参与,对问题和答案进行筛选审核,此项任务的工作量巨大且成本高昂。因此,FAQ知识库的自动化构建一直是智能问答领域的一个研究重点和难点。具体来说,自动构建FAQ知识库的困难在于非结构化文本的形式多种多样。无论数据的预处理、问题的识别和还是答案选择等,各阶段的工作均都有不小的工作量。而且,现有的答案选择算法并不能够达到很高的准确度。但非结构化数据的难点也是非结构化数据的优势,其存在形式广泛,数据量庞大,使得其应用场景相当丰富。基于此,本文选择从较为简单的对话文本入手,提出一个基于对话文本构建FAQ知识库的方法和思路。本文的主要工作有:问题识别、答案选择、多轮问答识别等。本文的思想是充分利用对话文本具有一定规则的特点,将基于规则的方法和基于深度学习的方法相结合。首先,对话文本本身就有句子和段落的分割。每一条对话内容都只涉及一个话题,不需要对文本进行段落或句子级别的切分;其次,对话文本中的信息较丰富,其不仅记录了对话内容,还保留了说话人、时间以及顺序关系;第三,对话文本在互联网的记录中存在很多的标识符,如“@”、“回复”、“点赞”等,通过这些规则能使得对文本的处理更加方便和简单。另一方面,深度学习在自然语言处理中已经表现出强劲能力。无论是传统的LSTM和CNN,还是现在非常流行的Attention机制和BERT预训练模型,其均在NLP领域取得了不小的成功,研究成果丰富。在现有研究成果的基础上,结合对话文本的特点加以调整和改进,使其能够适应于本文的研究对象和研究目的。正是基于以上两点,本文提出将规则和深度学习结合起来,实现FAQ知识库的自动构建。深度学习方法在公开数据集上的测试结果已经在大量论文中得以展示,本文的结果除在公开的中文问答数据集上进行测试外,还增加了以实际的微信聊天记录为测试数据的测试结果。最终,在5个对话文本,每个包含1000条,共计5000条微信聊天记录数据上,问题识别和答案选择的准确度分别为91.2%和80.0%。