随着网络和人工智能技术的快速发展,自动问答系统已成为当前人机交互的趋势。健康与医疗问题一直是民众生活中最关注的问题,他们在网络上便捷地分享和获取大量医疗信息。知识图谱不仅可以组织管理海量互联网信息,还能以联想思考的方式对信息进行理解,是知识驱动型人工智能的关键技术。本文设计并开发了一个基于医学知识图谱的辅助诊疗系统,帮助用户从海量的医学数据中选择准确的答案。本文辅助诊疗系统的研究内容主要包括以下几个方面:（1）如何基于图数据库构建高质量医学领域知识图谱的研究,主要分为知识收集、数据清洗和知识存储三个方面。（2）研究如何实现辅助诊疗系统的问答任务。首先,针对缺乏的问答训练语料库和问答语料标注数据,本文通过语言模板来构造出原始训练语料库和标注数据;在此数据基础上,使用Bi LSTM-CRF模型实现医疗实体的精准识别,然后通过文本分类组合模型LSTM+CNN处理用户问句意图分析的问题,实现用户问句语义解析;建立知识图谱搜索的映射关系,在知识图谱中实现答案的检索,对于知识图谱中不存在的记录,通过改进的知识补全算法Cp Trans E进行预测。（3）建立自助医疗咨询服务平台。使用Web应用框架Django对辅助诊疗系统进行打包,以浏览器访问的方式打开服务,实现人机交互。最后,该平台可以实现辅助查询、医学专业知识检索和可视化等功能。本文通过以上工作,高质量且有效地建立了中文医疗知识图谱,同时使用深度学习方法提高了,依托医疗知识图谱的智能问答系统对用户输入的自然语言问题的理解能力,最终实现了一个满足用户需求的自助访问的诊疗平台。