针对智能问答系统中知识获取难及理解能力弱的问题，本研究提出一种基于知识图谱的智能问答系统设计方案。通过构建大规模知识图谱，并结合自然语言处理与深度学习技术，系统能够从非结构化文本中自动提取知识，高效准确地理解和回答用户问题。实验结果表明，该系统在查准率、查全率及F₁值等方面均显著优于基线系统，且能生成更为完整和丰富的答案，平均响应时间控制在1.5 s以内，表明本研究所构建的智能问答系统具备优秀的查询性能和实时性。