随着Internet上信息量的飞速膨胀,使得人们在网上查找自己需要的信息变得越来越困难。虽然一些搜索引擎(如Google、百度)为人们从海量的网页中迅速查找有效信息提供了工具,但是现有的搜索引擎使用的信息检索技术大部分都是基于关键词匹配,这样使得搜索结果存在大量冗余和无用的信息,影响了返回结果的准确率。本文讨论的问答系统试图改变这个情况,它不仅能有效利用Internet这个庞大的信息资源库,而且利用本体(ontology)知识,使得返回结果更加丰富和精确。从目前国内外研究情况看来,问答系统质量很难令人满意,原因在于两方面:其一,问答系统问题分类不精确导致最终答案与问题主题偏离;其二,现有的候选答案抽取技术大多基于统计的方法,忽略了句子的语义,影响了答案的准确率。针对这些不足,本文从问题分类和候选答案抽取两个方面进行研究,首先提出了一种基于领域本体的中文问题分类方法,从而更加准确地定位了问题分类,使得答案抽取有据可循;其次,本文提出的基于本体的多策略答案抽取算法,将本体语义信息引入到答案抽取算法中,从而提高了生成答案的质量。本文的主要研究成果可以归纳为:1)提出了一种基于领域本体的中文问题分类方法,利用领域本体的层次分类信息同时结合同义词林对中文问题进行分类。适应了汉语表达方式的多样性和复杂性。2)提出了一种基于本体的多策略答案抽取算法,利用同义词林丰富候选答案的语义,改进了本体概念相似度的计算方法,并将其与模式匹配结合在一起。一定程度上提高了答案抽取的获取率和准确率。3)实现了一套原型系统,进行了对比实验,初步验证了本文算法的有效性。