[目的]在认知层面实现以语义知识理解为主的相关政策智能答疑方法，提高政府综合社会服务方法的效率和能力]基于政策文本的内涵，建立政策知识表达的知识模型。引入问题词的注意机制，结合改进的Ernie+CNN模型完成政策问题的分类。采用语义角色标注idcnn+CRF模型，结合句法分析和认知计算方法，获取问题语义和语用层面的知识。在知识融合和语义检索的基础上，利用知识聚合技术实现了相关答案的生成，并利用BERT的语义相似度计算和知识单元度量方法对答案的双重质量进行了评估结果]问题分类的准确率为90.76%，分别比BERT和ERNIE模型高18.81%和5.05%。问题知识获取的准确率为95.88%，答案质量测试的准确率为93.75%，答案的语义相似性结果为0.88，知识一致性结果为0.96限制]问题知识获取方法的性能受到领域知识系统完整性的限制，而相关答案的效果取决于政策知识抽取结论的准确性]基于对政策文本内容的解构和科学的知识表示，本文的方法可以综合不同政策内容的问题答案，具有更好的知识测试结果。