随着互联网数据的爆炸式增长,人们每天都能接触到海量的信息。但是通过搜索引擎搜索信息的方式是低效的。自动问答系统允许用户通过自然语言提问,直接向用户返回准确的答案。这样的信息获取方式相较于搜索引擎,更加贴近人类的生活习惯。自动问答系统根据知识领域的不同可以分为面向开放领域的自动问答系统和面向特定领域的自动问答系统。面向开放领域的自动问答系统是没有针对性的,已经有很多大型的公司和科研机构对其进行了研究。而面向特定领域的自动问答系统可以针对性地解答用户在该领域的问题,更加具有研究意义和实用性。为了更好地服务在校师生的学习生活,本文对面向校园领域的自动问答系统进行了研究。校园领域的知识多以表格或者文本形式存在,而之前的校园领域问答研究大多将研究重点放在了文本形式知识上,而忽略了对表格知识的研究利用。本研究除了对文本知识以外,还对表格知识进行研究。对于不同形式的校园知识,系统自动查询的方式不同,缺乏统一易用的查询方式。本研究的主要目标是构建校园领域知识库,并实现基于该知识库的自动问答系统。本文的研究内容主要分为以下三个部分。(1)数据库自然语言接口模型构建:校园领域知识中的表格数据适合存储在关系数据库中。为了实现对这部分知识的自然语言查询,本文提出了一个基于语法树的结合自注意力机制的数据库自然语言接口模型。实验表明,在校园领域关系数据库上,本文提出的模型是有效的。(2)基于知识库的问答处理方法:校园领域知识中的文本类数据可以通过构建知识图谱的方式进行整合。为了实现对这部分知识的自然语言查询,本文对知识库问答进行了研究。将知识库问答过程分为命名实体识别、属性映射和答案选择三个部分。研究并实现了基于BERT+Bi-LSTM+CRF的命名实体识别模型和基于Siamese+BERT+Bi-LSTM的属性映射模型。实验表明,在校园领域知识图谱上,本文提出的模型可以达到较高的准确率。(3)面向校园领域的自动问答系统设计与实现。基于以上研究构建了面向校园领域的自动问答系统,在网页上为用户提供服务。学校师生可以通过自然语言对系统进行提问,获得想要知道的信息。