自动问答系统是自然语言处理领域一个重要的研究方向。系统主要任务是将用户提问与知识库里的问题进行匹配,然后给用户提供精准的反馈。目前售后服务逐渐成为许多企业核心部门之一,企业客服规模随着服务用户的增长而扩大。高效实用的自动问答系统普及有助于解放大量人力资源。论文以微信问答系统为应用背景,其中相关研究技术核心为任务分类模块和系统自动问答模块,全文主要介绍了以下几方面工作:首先介绍了微信客服系统整体架构,简述了系统的运行流程,并且详细描述了问答流程中任务解析模块、任务特征提取模块、任务分类模块、信息去重模块、近似语义计算模块、模型增量训练模块和消息反馈模块的作用。论文还根据自动问答相关技术模型实现对应功能。然后,论文重点对自动问答任务分类模块和近似语义计算模块进行深入阐述和分析。在任务分类模块中,根据系统实际运用总结传统分类的不足,再从特征表示角度提出了相应的改进方案。在近似语义计算模块中,本文分析了基于Ngram overlap近似度计算、基于编辑距离近似度计算和基于同义词扩展近似度计算。根据以上方法的缺陷提出了基于卷积神经网络的近似度计算模型。接着通过实验对模型的正确性和有效性进行了验证,而且根据实验结果分析了不同实验中对比模型的效果。最后从系统功能静态视图描述、系统时间关系描述、系统的结构化设计和数据存储模块设计几个方面对系统进行了详尽的描述。本文介绍了微信客服系统自动问答模块的实现方案,对近似语义检索做了详尽的研究。模型可行性方面得到了验证,但是这种解决方式还有许多问题有待解决,如:卷积神经网络模型的每一层神经元个数多少会影响着模型的性能和抽象能力,但数量多少目前并没有统一定论,所以需要进一步调整和改进模型。本文以卷积神经网络抽象特征和聚类特征产生映射达到训练近似句的目的,但聚类特征在模型里的使用是否有更好的替代方式还有待挖掘。