随着市场经济与信息时代的发展,人民对金融市场的信息搜索需求日益增加,但搜索引擎的返回结果大多内容繁复、条目众多,无法根据用户的基本意图给出直观的答案。借助知识图谱对知识信息进行管理,并采用问答系统进行信息获取是当前解决搜索引擎结果冗杂的一个有效方案。然而,由于市场信息来源种类复杂,数据结构繁多,文本数据难以表示,用户意图难以感知,查询与答案难以匹配等原因,金融领域的知识图谱构建与问答技术研究面临诸多困难。为在一定程度上解决上述问题,本文基于自然语言处理与数据挖掘技术,设计并实现了一种构建金融知识图谱的有效方法,并对问答技术中的关键问题进行研究。主要研究内容如下:通过对现有半结构化的百科内容进行爬取,利用深度学习、依存句法分析、关联规则等技术构建金融知识图谱;以知识图谱为核心,设计文本表示预训练任务,构建面向证券垂域的文本表示方法;在知识图谱与文本表示的基础上,设计联合实体抽取与问题分类任务的意图解析模型,并通过以知识图谱为基础的知识检索技术获得知识三元组;综合上述内容,设计并构建一套以知识图谱为基础的问答系统框架。本文的主要贡献在于:设计并实现了一种基于半结构化百科内容构建知识图谱的方法;设计并实现了一系列基于知识图谱的文本表示预训练任务;设计并实现了一个基于知识图谱的多任务联合意图解析模型;设计并构建了以知识图谱为基础的问答系统框架。实验结果表明,本文在知识图谱构建、文本表示、实体抽取、问题分类等任务中,取得了令人满意的结果。