چکیده: با افزایش روزافزون حجم اطلاعات ذخیره شده در منابع قابل دسترس، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه‌ای یافته است. سیستم‎های پرسش و پاسخ گونه‌ای از سیستم‎های بازیابی اطلاعات هستند که این امکان را می‎دهند تا کاربر پاسخ پرسش خود را به صورت مفید و کوتاه دریافت کند. سیستم‎های پرسش و پاسخ تعاملی با برقراری تعامل دو سویه با کاربر، ابهامات احتمالی موجود در پرسش را رفع نموده و دقت پاسخگویی را افزایش می‎دهند. پس از دریافت پرسش کاربر، یکی از مراحل تحلیل پرسش، دسته‎بندی آن است. تاکنون روش‌های مختلف یادگیری ماشین برای استخراج ویژگی و طبقه‌بندی سؤالات مطرح شده است. از سوی دیگر، در حال حاضر یادگیری عمیق به عنوان ابزاری نوین و کارآمد، کیفیت یادگیری را نسبت به روش‌های پیشین بهبود بخشیده است. ما در این پژوهش با بهره‌گیری از ساختاری که از ترکیب دو روش یادگیری عمیق استفاده می‌کند، راهکاری جدید برای استخراج ویژگی‌های مناسب‌تر و دسته‌بندی سؤالات ارائه داده‌ایم. در این روش، برای بازنمایی کلمات از شبکۀ آموزش داده شدۀ word2vec استفاده شده است. همچنین استخراج ویژگی و دسته‌بندی سؤالات در قالب یک شبکۀ عمیق که ترکیب دو شبکۀ کانولوشن و LSTM است، انجام می‌گیرد. شبکۀ طراحی شده می‌تواند در صورت کافی نبودن میزان دقت پاسخ خود، از جملات قبلی موجود در مکالمه استفاده کند. آزمایشات انجام شده نشان می‌دهد، روش پیشنهادی ما منجر به بهبود 4.2 درصدی روی مجموعه دادگان جمع‌آوری شده، نسبت به سایر روش‌های یادگیری ماشین اشاره شده، می‌شود.