在复杂产品制造企业例如汽车企业中,知识服务是企业的核心竞争力之一。而自动问答系统(Question and Answering)是非常适合企业的一种知识服务技术。问答系统能够直接解析自然语言问句,并返回简练的答案,提高了用户信息获取效率。针对问答系统的整体复杂性和汽车行业的特殊性,研究了面向汽车制造企业的问答系统架构设计,并针对问答系统流程中关键技术给出对应改进算法。首先,本文对汽车行业用户服务进行需求分析,设计了基于社区问答文本的汽车问答系统框架,使得问答系统更加切合汽车领域用户的需求,并有助于汽车企业对用户关注的热点问题进行主动获取;其次,针对基于汽车社区问答文本所面临的用户问题纷繁复杂、口语化严重的情况,提出了基于深度学习的汽车问题文本分类改进算法,研究了深度学习模型和注意力机制在文本分类任务中的应用;最后,研究了汽车问答文本联合建模答案选择算法,为问答系统的答案抽取及答案排序提供理论支持。为说明两个改进算法对问答系统性能的提升有效性,分别采用对比试验进行验证分析,实验证明算法达到了预期的研究效果。