在问答社区中用户不仅是信息的消费者同时也是信息的创造者。海量用户在问答社区中创造了海量的数据,用户生成的内容通常会出现问题和答案之间的差距,以及一些垃圾信息的生成,都会对用户得到所需信息造成障碍。所以,在问答社区中对问题和答案进行过滤和排序是非常具有挑战性的,本文目的是帮助用户提高查询信息的效率,以及问答社区中知识信息的分享行为。本文针对问答社区中的问题和答案排序进行了深入研究。社区问答推荐问题和候选答案的结构方式都不一样,所以本文在研究推荐问题,答案排序和最佳答案时并没有使用同样的方法。问题推荐旨在给用户提供所需问题的相关问题,以便用户更快的找到问题的答案。本文讨论了一般的问题相关性研究办法,提出了4个有效的文本特征,并在问答社区中进行了实验,检测了问答社区中推荐问题的相关性,该方法有效的验证了推荐问题的相关程度,提出了推荐问题的排序思路,同时验证了在问答社区中收集问题语料的可行性。在答案排序的研究中,本文考虑问题和答案之间的潜在联系,在中文问答社区中使用了类比推理的方法,用来类比新的问答关系和已有的一些准确问答关系间的联系,在候选答案中把最相似的答案认定最优答案。在类比推理方法中,本文收集了充分的问答对来保证里面只包含高质量的答案,以此来建立了一个辅助集,再加上回归模型,用来评估一个新的问答对和辅助集有同一类型的关系。本文的实验结果表明,使用二元分类方法判别问题是否相关是有效的,判别后的相关问题可作为推荐问题。在对问答对评价结果表明,本文的类比推理方法在各方面都超出平均表现,在高噪音环境的问答社区中,类比已有的问答关系是非常有益的。