人们对影视和书籍信息的需求不断地增长,但是目前用户主动寻求影视和书籍信息的途径还是普遍依靠搜索引擎。传统搜索引擎基于关键词搜索,返回的结果不尽人意,问答系统成为解决之道。网络上存在海量非结构化和半结构化的数据,未形成结构化可利用知识,而知识图谱能够将非结构化和半结构化数据转化成结构化知识,问答系统能够利用自然处理等技术精确回答用户问题,因此知识图谱和问答系统的结合受到学术界和工业界的广泛关注。本文基于自然语言处理、知识图谱等技术,研究设计并实现了面向影视和书籍领域的知识图谱问答系统。论文的主要工作如下:首先阐述了有关知识图谱的相关概念和及其构建技术,然后通过网络爬虫获取关于影视和书籍信息的数据,研究利用知识图谱技术,实现将非结构化和半结构化数据转换成结构化数据。根据数据之间的映射关系分析和设计知识图谱,将其导入图数据库Neo4J中,从而构建了一个面向影视和书籍信息领域的知识图谱,为问答系统提供数据支撑。然后,在自动问答模型的构建中着重解决了3个问题。对于问句分类,构建了十三种问句类型,设计了基于Spark的朴素贝叶斯并行化算法,对用户输入的查询问句进行分类,以提高分类效率。对于问句关键词的提取,针对RNN在前向传播和反向传播过程中存在严重的梯度爆炸和梯度消失问题,会导致长文本在训练过程中信息消失,模型的拟合效果变差,设计了基于循环神经网络改进的长短期记忆网络(LSTM)和条件随机场(CRF)相结合的方法来提取文本语义信息,从而避免梯度消失和梯度爆炸的问题,以提高问句关键词识别效果。针对问句输入的多样性,设计了基于双向切分的匹配算法和基于字的余弦相似度算法相结合的方法实现模糊查询,以提高问答效果。最后,本文实现了基于知识图谱的书籍和影视知识问答原型系统,给出了系统结构图,介绍了知识图谱构建、问句处理、系统交互3个模块的设计与实现,并对问答效果进行测试和展示。该系统能够识别出问句关键词并对问句进行分类,转换为Cypher查询语句,从知识图谱数据库中得到精确答案。