“互联网+”时代的到来,使得互联网技术进入全盛的发展时期,为智慧社区的建设提供了强有力的技术保障。其中,社区咨询是物业服务中必不可少的一部分,基于社区咨询的智能问答系统可以解决工作人员业务不熟练,工作时间和精力有限等问题,达到实时咨询,降低时间成本和人力成本的目的。本文运用自然语言处理技术,主要研究问答系统中的问句匹配问题。重点研究了基于深度学习的简单短句子以及复杂长句子语句相似度计算方法,具体贡献如下:（1）针对基于统计模型进行语句相似度计算的方法只考虑词频,句子长度等表层特征,忽略句子的语义和句法结构的问题,提出了一种基于Word2vec和依存句法相结合的语句相似度计算方法。该方法以社区咨询问题库为基础,利用词向量模型将词语映射到固定维度的向量空间中,充分表达词汇的语义信息,将对句子的处理简化为向量空间中的向量运算,再结合依存句法分析器获取句子语法结构信息,充分考虑了词汇之间的句法关系。实验结果表明,该方法可以深入理解问句的语义信息,提高问句匹配的准确率。（2）针对原始孪生网络模型提取的句子特征包含的信息十分有限和使用空间距离计算两个句子的相似度忽略了两个句子的语义信息的问题,提出了基于改进特征的孪生网络模型用于相似度计算。该模型结合注意力机制,特征聚合和字词向量结合等方法,对双向LSTM网络提取的特征做进一步处理,挖掘更深层次的句子信息。在公开语料库上进行了算法测试,结果表明,该模型可以得到比原始孪生网络更好的效果。（3）为了实现多特征的优势互补,提出了基于多特征融合的孪生网络模型用于相似度计算。分别采用了特征级联融合和特征交互式融合两种方法,对改进特征进行有效的融合。在公开语料库上进行了算法测试,实验结果表明基于多特征融合的孪生网络模型优于单一改进特征的模型。（4）在基于深度学习的语句相似度计算方法研究的基础上,本文设计了一套简单的问答系统,包括客户端开发,通信协议开发,服务器端开发,数据库设计等内容。