近年来,我国的电子政务市场规模逐年增长,在线政务服务用户占整体网民比重越来越高,人们对于政务服务办事需求越来越多。目前许多省份推出了政务服务问答系统,但大都应用关键词匹配技术,到已有的数据库中查找与关键词相关的信息并返回给用户,或者构建常用问题库进行政务问答。现有系统中问题和问句相对固定,很难解决用户的实际问题。在政务服务问答系统中主要涉及一些服务事项,其描述具有有以下特点:1、办事事项数量多,事项之间存在关联。由于不同的行政区划,省级、市级、县级办事事项的总体数量庞大,办事种类也很繁杂,同时办事事项也并非独立存在,还存在一个事项关联其他事项、同一事项关联不同部门的情况。2、政务问答中问句特殊。由于政务办事事项存在部分名称较长、意义并列的情况,对于用户问句中政务办事事项的识别比一般的命名实体识别更为复杂。3、答案查找相对复杂。以简单的关键词匹配不能准确定位答案,以常见问题进行问答,用户不能自定义问题进行问答,只能询问固定的常见问题,同时由于事项之间存在关联,办事部门也并非独立存在,答案查找可能涉及推理过程。针对上述问题,本文的主要工作有:1)政务领域知识库构建:针对政务服务事项关联复杂的问题,通过基于Selenium的多线程爬虫系统对政务办事事项、常见问题数据进行抓取,抽取政务领域概念、属性、关系,并设计政务知识库的模式层,最终依据模式层构建政务知识图谱。2)政务领域问句理解:针对政务领域命名实体识别比一般的命名实体识别更为复杂的问题,研究了CRF、LSTM及句法分析等方法,构建了政务领域问句理解方法,使用基于BERT-BLSTM-CRF的命名实体识别的方法对用户问句中的命名实体进行识别,识别精度达到了92.23%。3)基于相似度和SPARQL的答案查询:针对答案查找相对复杂的问题,研究了相似度计算的方法、SPARQL查询方法,构建了基于TF-IDF相似度计算的常见问题答案查找方法,取得了78%的准确率并保证了较低的时耗。构建了基于SPARQL的政务知识库答案查询,利用分词、词性标注等自然语言处理技术对问句处理后查询政务知识图谱并返回答案给用户,取得了73%的平均准确率。最后采用Python语言,实现了政务服务领域自动问答系统,提供用户自定义问题的提问方式、分层次问答、满意度评价等功能,经评测,本文设计的政务自动问答系统对政务服务常见问题达到了77.3%的准确率,对政务服务事项问题达到了66%的准确率,系统回答与用户问题描述相关达到了91%的准确率。