随着互联网的不断发展,用户开始利用互联网来查询问题,获取答案。其常见的问答方式通常有借助搜索引擎以及问答社区两种。随着互联网数据的海量增长,传统的搜索引擎由于没能理解用户意图,致使搜索到的结果往往会包含大量冗余信息,导致用户仍需花费大量时间和精力从返回的结果中检索出所需的答案,随着信息技术的飞速发展,这种方式越来越难以满足用户的需求。而在以用户交互、共享为主的问答社区里,虽然减少了部分无关信息的返回,问答之间的联系相对紧密,但实时性不足,不利于提供优质、便捷的问答服务。针对上述问题,本研究基于卷积神经网络(Convolutional Neural Network,CNN)并引入注意力机制(Attention Mechanism)构建问答模型,并以初中数学知识问答作为切入点,为初中数学提供更加智能、精准的问答服务。本研究的主要工作如下:1.针对初中数学问答,构建卷积神经网络模型,提取自然问句中的语义特征,将自然问句转化成可用于数据库查询的逻辑语言,借助初中数学知识图谱查询相关数据,将其作为问答结果返回给用户。2.针对知识图谱难以处理的相关问答,这一类问答主要是由于知识图谱的质量与规模存在限制,导致相关问答超出图谱覆盖范围,故而难以进行相关处理。因此,本文采用阅读理解技术,构建阅读理解模型,并结合搜索引擎,实现一种检索式的问答,作为知识图谱问答的补充模块。3.针对阅读理解模型对问答文本深层次语义特征提取不足的问题,本文在阅读理解模型中引入注意力机制,该机制使得模型能够更好地捕捉问题与答案之间的语义关系,找到问答之间的规律,进而提高模型的准确率。另外,本研究将阅读理解模型中的循环神经网络结构(Recurrent Neural Network,RNN)替换为CNN结构,将模型从对答案位置的标注问题,转换成判断问答是否匹配的二分类问题,简化了运算流程,同时使得该模型更加适合数学问答。实验结果表明,在问答任务中,该模型取得了预期的效果,同时也发现了一些不足,因此考虑在今后的改进调优中加入模型融合,进一步提升问答效果。