随着信息技术的快速发展,很多领域的企业以及运营商都提供线上产品服务,在客户量增长的同时,人工客服的需求量也激增,而智能客服系统,能够以准确、简洁的检索结果回答用户用自然语言提出的大量重复问题,可以帮助减少大部分人工客服的工作量。因此,研究智能客服问答系统具有很大的实用价值和应用需求。本文从提高系统的准确率和效率的目的出发,深入研究了智能客服系统的关键技术,对问句分类技术和问句的相似度技术进行了深入研究,主要工作有以下几点:首先,本文在k-means聚类和朴素贝叶斯分类算法的基础上,提出了NBKC算法。该算法优化了k-means聚类算法准确率较低和朴素贝叶斯分类算法分类效率低的问题。首先对样本进行k-means聚类,将聚类结果中的正确问题集用来训练朴素贝叶斯分类器,并使用该分类器对聚类结果中的错误问题集进行二次分类。实验表明,改进的NBKC算法针对无类别标志的问句样本不仅可以快速分类,还具有较高分类的准确度。其次,在分析了SimHash相似度、语义相似度和语序相似度特点的基础上,提出了一种将三者结合在一起的混合相似度算法。首先使用SimHash方法进行快速过滤,保留FAQ库中与用户输入问句相似度小于等于阈值的问答对,然后再通过语义相似度和语序相似度相结合匹配出最相似的问句,并返回对应的答案给用户。实验表明,该混合算法能够很好的兼顾系统的查询准确度和查询的时间开销以满足用户的查询准确率和速率的需求。最后,本文在基于以上两个改进算法的基础之上,分别从需求分析、总体设计、详细设计和系统实现4个方面,实现了一个基于受限领域的智能客服问答系统。