随着人均GDP越来越高,大量的人投身于金融市场,但快速精确的获取所需信息却是一个难题。因为对传统搜索引擎而言,用户输入问题后,通过浅层语义匹配,返回的各种网页,不仅不能明白提问者的真正想法,还需要用户自己花费时间提炼答案。而问答系统在用户提问后,会定位用户的真实想法,返回直观精炼的答案,从而提高用户体验感。本文将金融信息与自然语言处理技术结合,设计了一种基于知识图谱的金融问答算法,并完成了一个基于知识图谱的金融问答系统,主要开展的工作如下:（1）采用自底向上的方式构建金融知识图谱。首先要获取数据,通过接口调用和设计爬虫程序获得数据,并将数据进行清洗。之后依照一些规则对得到的数据进行实体,属性和关系的提取,转化为三元组。最后通过neo4j图数据库将获得的三元组信息进行存储,实现可视化查询。（2）基于知识图谱的金融问答算法设计。算法的核心是将用户所提问题中的关键字链接到知识图谱中,返回直观简洁的答案。这一过程主要包括三个任务,金融问句的实体识别、分类和答案查询。使用Bi LSTM-CRF命名实体识别模型识别问句的实体和属性,用朴素贝叶斯分类器进行问句分类后得到一个查询模板,实体属性与查询模板结合构成Cypher查询语句,然后在构建的知识图谱中进行查询,返回答案。同时设置了命名实体识别实验和问题分类实验,在构建的数据集上,Bi LSTM-CRF取得了0.9的F1值,朴素贝叶斯分类器取得了0.95的F1值。（3）金融问答系统搭建。使用Flask框架搭建基于Web端的金融问答系统,整个系统分为三个模块,数据模块、问答模块、前端展示模块。综上所述,本文成功搭建了基于知识图谱的金融问答系统,并对系统的功能和性能进行了测试,问答的准确率为82.5%,测试结果表明本文所设计的金融问答系统可以帮助用户快速获取金融产品的相关信息。