自然语言问答是计算机领域长期以来的热门研究话题。近年来,随着网络上结构化知识的增多,基于知识库的问答KBQA的重要性与实际应用价值逐渐体现。然而,知识库问答存在诸多困难与挑战,其中最主要的两个困难一是自然语言的理解,二是自然语言与知识库结构化知识的不一致性。针对这些困难,本文提出了一种结构优先的知识库问答技术,并以此构建了一个结构优先知识库问答系统SFQA。为了更好地理解与表示自然语言问句,本文提出了问句结构分析技术,并设计实现了两种图模型:实体描述图EDG和放松查询图RQG。实体描述图表达实体与实体描述,而放松查询图与知识库上的查询图更接近。这两种图模型是基于自然语言问句生成的图,独立于知识库。对于知识库上的查询,本文采用SPARQL,一种资源描述框架（RDF）标准查询语言,对此,本文提出了一种SPARQL查询结构图的生成技术,通过基于统计学习构造模板的方式,完成对自然语言问句对应SPARQL查询结构图的构造。本文给出了知识库问答系统SFQA的设计与实现,该系统基于本文SPARQL查询结构图的生成技术,通过使用实体/关系链接,知识库搜索匹配,类的识别等技术,设计并实现的知识库问答系统。在实验评估上,本文展示了结构准确性和理想链接场景系统准确性的实验结果:结构准确性实验针对多种问句类型进行评测,验证了结构优先问答系统在生成SPARQL查询结构图上的高准确性;在理想链接场景系统准确性实验上,与已有工作相比,SFQA有着优异的表现。