云时代的到来极大地改变了人们的生活,随着信息技术与人工智能的蓬勃发展,人们的医疗健康需求也在不断提升。因此,如何构建一个简单实用且大众化的疾病诊疗系统为百姓的医疗健康造福成为智慧医疗研究与应用的关键。传统的医疗搜索引擎技术通过关键词索引相关网页,效率低下,需要人工智能来改变现状。知识图谱作为人工智能的分支,起步较晚,而问答系统作为知识图谱的应用方向,其发展尚不够完善,因而使得智能化医疗研究工作复杂且难以开展。本文由此出发,设想收集并整理大量医学领域数据,构建一个可维护的大规模医疗知识图谱,同时研究总结知识图谱和问答系统的关键技术,将其整合优化,设计并实现一个辅助医疗产品,即基于医疗知识图谱的自动问答系统,并将其作为第一道防线来守护人们的健康生活。本文的研究工作主要包括:（1）针对复杂分散的医疗领域信息数据,着重研究如何获取、处理、融合、存储多源数据集,将海量的医疗数据集整合优化,来构建一个可靠的医疗知识图谱为系统所用。设计了交替结合法来预先定义实体、关系及属性,并将本体思想引入数据模式构建,使得知识图谱的构建变得更为便捷。提出基于混合数据库的存储方案来提供知识图谱的高效率存储,描述知识图谱的构建全过程。（2）针对人们复杂多样的医疗问题,提出适用于医疗服务的问答系统解决方案,首先设计系统工作流程,主要包括问题解析和答案查询构造方案。接着设计了基于模板匹配的问题模型与解析方法,并提出由编辑距离、字符重叠系数和词向量构成的语义相似度计算方法,设计改进方案,该方法经过实验证实可有效抽取词典外语义近似的疾病与症状实体。考虑到数据库查询目标问题,设计了意图识别的多分类模型方法,在测试实验中,该多分类模型的最佳F1值达到了0.95,说明该多分类器对于解决用户输入信息的查询意图具有很好的效果。（3）针对当前服务于医疗问答的搜索引擎技术落后的问题,将医疗知识图谱与问答技术整合优化,进行智能医疗问答系统的搭建与实现,最后进行系统的响应时间和性能测试与分析,证明本文研究并实现的自动问答系统适用可行,且具有一定应用价值。