随着互联网的高速发展,问答系统的应用价值越来越受到产业界的重视,已有企业尝试将其应用于网络答疑、公司客服等方面。它有助于信息的整合,在减少人力成本的同时,能增强客户体验。问答系统集自然语言处理、信息检索、信息抽取、知识表示为一体,对其的研究是当前自然语言处理领域中最有活力的方向之一。本文研究的汽车领域问答原型系统采用了模板库的实现方式,利用问答模板关联问题表达式、答案表达式和知识库的查询方式。在一定程度上将复杂的自然语言处理逻辑,提前到了模板库的构建过程中,从而有效地提升基于模板库的问答系统的性能。但模板库的创建是一个比较费时费力的工作,研究模板库的自动生成方法能有效降低特定领域问答系统的构建复杂度。本文在研究模板库自动化构建方法的过程中,从汽车领域问题特点、知识库的构建策略、查询表达式的生成策略以及知识的保存、更新与迭代策略等方面入手,研究分析了问句中汽车品牌车型的特征,实现了汽车品牌车型的识别算法;研究分析了属性图建模与传统关系型数据库建模的区别和各自的特点,结合当下图数据库的发展与图模型的优势,使用了属性图这一具有较大综合表现力的图模型,来构建知识库与语义网络,并研究了从问句语料中采集语义网络相关元素的方法;针对问句中经常出现的同义表达或者错别字,分别采用基于字或汉语拼音的向量相似度、编辑距离和Jaccard算法做模糊匹配;对于汽车领域问句的分类采用了机器学习的方法,比较了贝叶斯分类器与决策树分类器的分类效果。最终介绍了模板库自动生成方法的系统结构和相关开发工具,通过实例展现了本文研究的模板库自动生成方法的有效性。并通过对核心功能模块的实验,论证了模板自动生成的性能和质量。