随着我国社会的蓬勃发展,网络基础设施建设逐渐完善,人们可以更加轻松地通过电脑、手机等个人设备接入互联网,享受信息化浪潮给我们生活带来的各种便利。人们在医疗健康问题上需要帮助的时候,除了去医院看医生,听从医生的建议,现在还可以利用互联网上近乎海量的医疗知识,来完成自我诊断。但是,互联网上这些丰富的信息在方便人们的同时,也带来了信息过载的问题。人们在搜索某个疾病相关信息时,搜索引擎往往会根据关键字返回近千万条不同的搜索结果。人们需要在这么多搜索结果中去挨个搜寻自己真正需要的信息。这对于大部分人都是不小的负担。针对以上的这种问题,本文尝试构建一个基于知识图谱的医疗问答系统来帮助用户进行辅助诊断。不同于搜索引擎直接返回关键字的搜索结果,医疗问答系统对于用户的问题,会进一步分析,然后只返回最贴近用户搜索意图的一个答案。对于用户来说,省却了繁杂的信息筛选工作,降低了医疗信息的获取难度。本文的主要工作包含4个部分:（1）提出了一个基于医疗知识图谱的辅助诊断系统的整体结构,将系统整体分成了六个主要模块:知识图谱构建模块、命名实体识别模块、实体链指模块、意图识别模块、答案查询模块和答案构建与展示模块。（2）知识图谱模块,首先对于医疗健康网站的疾病百科数据进行爬取,然后构建出了一个包含实体约4万个、实体关系约20万条的医疗知识图谱。（3）对于医疗命名实体识别模块,本文提出的基于BERT的多层级卷积CRF网络,综合F1值达到0.886,显著超过基线模型;对于实体链指模块,本文设计出了高效的算法将相近表述的实体链指到知识图谱实体上;对于医疗意图识别模块,本文提出的基于BERT的意图分类模型准确率达到了92.83%,比基础的Text CNN提升了3.71%。（4）最后使用Flask轻量级开发框架,把系统的各个模块整合到一起,添加了易于使用的用户界面,完成了整个基于医疗知识图谱的辅助诊断系统的构建工作。本文旨在解决当前人们在医疗健康领域遇到的搜索信息难以筛选的问题,并通过深度学习模型和自然语言处理方法提升整个辅助诊断系统的问句语义理解能力,最终构建了一个简洁易用的辅助诊断系统。