随着互联网的不断发展,社区问答系统已经成为互联网用户获取信息与分享知识的重要平台。如百度知道、搜狗问问以及知乎等社区问答网站每天均有数以万计的新问题发布。目前,社区问答系统中已经积累了数以亿计的已有问题和答案对。如何更好地重复利用这些已有的知识对更好地服务互联网用户,提高用户体验,具有重要研究价值。本文的主要工作和研究内容如下:第一,提出了一种基于深度学习的句子相似度计算模型。该模型主要考虑了句子中的语义信息与结构信息。利用句法分析改进了词向量模型的语义表示,在表示语义的词向量基础上,加入了词语在句子中所承担的句法信息,并且在句子表示层加入词形相似度与句形相似度两种特征,结合深度学习算法计算两个句子之间的语义相似度。利用网络爬虫采集了大量的社区问题对并通过百度短文本相似度API进行标注,最终训练出一个可以用于计算两个句子相似度的模型。第二,提出了一种基于模板挖掘的问题类型判断方法。该方法首先利用同义词词林中的标准词替换句子中的词语,再利用实体识别方法,识别出句子中的实体,利用实体概念词典将句子中的实体替换成对应的概念,生成语义模板。然后通过信息熵对模板进行筛选,挖掘出高质量的问题类型模板。同时,利用NLPCC提供的问答训练集,提出了一种模板自动标注的方法。第三,在研究了社区问答关键技术的基础上,设计并实现了一套开放领域的基于深度学习的社区问答系统。该系统可以根据用户输入,在社区问答语料库中寻找到相似问题的答案作为回答返回给用户,可以显著提高用户的知识获取效率。此外,由于本文中所提出的方法没有限定应用领域,故具有良好的通用性,不受领域的限制,可以通过不断扩充问答语料库的方式使问答系统可以回答更多的问题更好的服务于用户。