问答式检索以其符合普通用户行为习惯的输入输出模式、满意的准确度成 为信息检索技术中的研究热点，先后出现了:面向数据库的问答式检索技术、 面向Web的问答式检索技术、面向本体的问答式检索技术。但是，现有的问答 式检索系统依然存在以下问题:C1>常用的手动建立和自动学习知识获取方式 在建立效率和质量方面存在限制;C2)处理问题映射的方法通常是半自动的， 需要用户手动解决语义模糊问题;C3>处理包含模糊概念和关系的问题存在困 难。2004年被W3C推荐为工业标准的网络本体语言(Web O

针对复杂语境下自然语言语义特征提取、匹配精度和实时性较差的问题,提出了模糊聚类、单亲遗传搜索匹配算法相结合的新方法,通过对候选特征点进行模糊聚类处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用单亲遗传算法找到满足约束条件全局最优语义特征,把所有语义特征进行分类,并给出分类依据.研究结果表明:此语义特征匹配算法在未知语境环境、语义特征频繁变化的环境具有很强的鲁棒性,能够在自然语言处理过程中实时准确识别段落中的语义特征.