چکیده: ما با رشد روزافزون اطلاعات روبرو هستیم. اطلاعاتی که به طور دوره‌ای بروز می‌شوند و حجم آنها با سرعت نمایی افزایش می‌یابد. دسترسی سریع و دقیق به این اطلاعات نیاز مبرم ما در عصر کنونی است. از این رو ما همه روزه با نیاز به سیستم‌های بازیابی اطلاعات دقیق‌تر و سریع‌تری مواجهه هستیم. سیستم‌هایی که تعامل مابین کامپیوتر و کاربر را به اشکال مختلف بهبود می‌دهند. سیستم‌های پرسش و پاسخ یک نمونه از این سیستم‌ها هستند که توسط کانال زبان طبیعی، ارتباط و تعامل سیستم را برای پاسخ به نیاز های اطلاعاتی کاربر راحت‌تر کرده و سرعت می‌بخشند. سیستم‌های آماری پرسش و پاسخ متناسب با کیفیت پایگاه دادگان (جامعیت و عاری بودن از هر گونه نویز و داده‌ی پرتی) از دقت بیشتری نسبت به دیگر روش‌های توسعه‌ی سیستم‌های پرسش‌وپاسخ برخوردار هستند. ما با ایجاد تعامل توسط در نظر گرفتن سوال قبلی کاربر و فاصله‌ی (تشابه معنایی)آن از سوال کنونی در مدل آماریWord2vec توانستیم بخش عمده‌ی خطای ناشی از ابهام پرسش کاربر را حذف کنیم. این بهبود دقت ناشی از ساختار شبکه‌ی عصبی عمیق پیچشی است به این صورت که سیستم از یک مدل Word2vec به عنوان تبدیل‌کننده‌ی متن به اعداد در ابتدای شبکه استفاده می‌کند؛ از خاصیت این مدل آماری می‌توان به تشخیص فاصله‌ی معنایی دو جمله اشاره کرد. عملکرد سیستم پرسش‌وپاسخ پیاده‌سازی شده توسط روش شبکه‌ی عصبی عمیق پیچشی با توجه به حذف مقدار زیادی از خطای سیستم ناشی از ابهام در پرسش، توانسته به دقت 84.2% برسد. که به طور متوسط افزایشی 8% در بهبود معیارهای ارزیابی سیستم‌های طبقه‌بندی‌کننده مانند: دقت، صحت و میانگین وزن‌دار دقت و صحت سیستم را در مقایسه با سیستم پرسش‌وپاسخ فاقد تعامل بر روی پایگاه‌دادگان استاندارد نشان می‌دهد.