随着旅游经济的繁荣增长,游客出行人数也在逐年递增,与旅游相关问题也开始逐年涌现。然而旅游问答社区存在延时性,游客难以及时获得最佳的问题解答。如何从繁杂的旅游信息中快速有效的获取有价值信息已成为了研究热点,自动问答因此受到越来越多的关注。自动问答旨在通过理解用户问句语义,快速定位答案候选范围,并直接返回答案。其中问题分类作为自动问答基础却又至关重要的部分,它具有答案指向性。通过预判问句期望的类别标签,从而对后期答案选择提供约束,进而提升抽取答案准确度。问题分类的质量在一定程度上决定了问答系统整体质量。本文旨在利用深度学习技术,研究联合模型在问句分类上的应用。针对中文旅游领域问句,提取问句特征,利用深度学习联合模型加以合并和应用,最终构建能有效分类问句的深度学习模型。主要研究内容为以下几方面:(1)构建中文旅游领域问句语料库。目前中文问题分类相关的语料库匮乏并且问题分类的标准不统一,中文领域问句分类研究尚未成熟。目前旅游服务行业问题较多,本文收集了各大旅游网站社区的游客问句语料;然后结合国内广为接受的哈工大分类体系标准,对问句语料进行了标注,构建了一定规模的中文旅游问句语料库。(2)基于深度学习联合模型的问题分类研究。在已构建的中文旅游领域问句数据集的基础上,本文进一步提出了联合多种深度学习模型的问句分类方法,将不同的模型学到的不同层次语义信息拼接互补,以提高问题分类的精度。具体将问句从句法和语义子空间两个角度进行分析,首先是构建最佳层数的词级卷积神经网络,从旅游文本序列中获取低层级的子空间结构信息,以提高问句词级空间结构信息的表征能力;然后构建句子级双向长短期记忆网络,从问句句子中进一步获取文本的全局深层语义和句法信息,与词级卷积神经网络所获取的低层级空间结构信息形成互补。最终为了进一步突出关键信息,利用多头自注意力机制,对上述双分支分类器所提取的问句特征通过分配注意力权重,使二者进行联合。最终使得联合模型在问句分类取得了98.66%的准确率,也通过一系列对比试验体现了本联合模型设计的有效性。经过一系列的对比实验发现,该模型能有效地提升问句分类能力。