智能问答近年来非常受人追捧,因其回复结果准确直接,也一直是自然领域处理的热点。自腾讯公司推出微信产品之后,智能问答服务代替人工客服的需求越来越旺盛。而市面的一些所谓智能问答只是基于关键字、关键字堆砌来实现的,根本没办法做到了解用户意图,做到精准回答的目的。本文的研究能够提高智能问答系统在某些领域的用户理解、问答精准率和问答效率。本文使用依存句法分析,抽取了依存树中父节点和子节点层面的特征,在T-CRFs模型中进行训练,使得标注结果在词与词性层面特征的基础上有一定程度的改善。实验选用上海好问角网络科技有限公司的汉语框架网络知识库中的“购买”框架下的句子库,加入父节点和子节点相关特征的最优模板,框架元素自动标注结果的准确率73.62%,召回率48.26%,F值为58.30%。而与“购买”框架领域相关的智能问答系统在精准率和回答速率上面均有了显著的提升。本文直接从语义标注方面来解决智能问答知识库的标注问题和智能问答精准率和回答速率的问题。语义标注在问答系统的问句的匹配、答案抽取过程起到至关重要的作用,同时也是智能问答系统能否理解用户意图和答案能够精准呈现的关键过程。本文在对应用的知识库进行语义标注模型中引入依存句法分析和T-CRFs模型,使得实验最终在准确率、召回率和F值均有明显提升的汉语框架网络知识库应用到智能问答系统中,来验证智能问答系统在精准率和问答速率上面的提升。将汉语框架网络知识库进行汉语框架语义标注应用到智能问答系统中,可以解决目前问答系统不能够理解用户意图、有时答非所问和回答速率慢的问题,这将给依存于微信等一系列互联网商家提供了一个直接与用户直接交流和省掉人工费用的机会。同时将依存句法分析和T-CRFs模型相结合训练知识库语料,不仅能够将浅层次语义的标注结果进行很好的展示,同时也给深层语义分析提供了一种向深入分析的方法。