问答系统是集自然语言处理技术和信息检索技术于一身的新一代智能搜索引擎。它允许用户以自然语言提问,并能够返回简洁、准确的答案,其研究兴起的主要原因是人们对快速、准确地获取信息的需求。在问答系统中加入语义信息是研究发展的必然趋势。然而,由于目前中文语义角色标注的准确率较低,直接将标注结果用于问答系统,会降低系统的性能。所以,大部分问答系统只采用词、词性、句法关系等信息。但是,仅使用这些信息很难继续提高系统的准确率。为此,本文提出了一种语义搭配验证法,并将它用于中文语义角色自动标注中,提高了语义角色标注的准确率。然后将语义角色信息用于问答系统的答案抽取中,提高了问答系统的精度。问答系统由问题理解、信息检索、答案抽取三个部分组成。本文主要研究了问答系统的问题理解与答案抽取两个部分。问题理解部分主要包括问题分类、关键词提取与扩展。本文采用贝叶斯分类器,提取问句主干以及包含疑问词的分支作为特征进行问题分类。答案抽取是问答系统中最关键的部分,抽取质量直接决定问答系统的性能。它的核心问题是:怎样才能抽取出包含正确答案的候选答案句。本文采用基于语义角色的问句-候选答案句匹配与基于统计的答案分类相结合的方法进行答案抽取,实验结果表明本文提出的方法具有较好的效果。