چکیده: در طی چند سال گذشته محققان حوزه‌ی پردازش‌های زبان‌های طبیعی به کمک مدل‌های یادگیری عمیق پیشرفت فراوانی را به دست آورده‌اند و سیستم‌های پرسش-پاسخ به عنوان زیر مجموعه‌ای از علوم پردازش زبان‌های طبیعی از این جریان مستثنا نبوده است. در این پایان نامه قصد داریم یک مدل مبتنی بر یادگیری عمیق برای پاسخ خودکار به پرسش ارائه دهیم. با توجه با آن می‌توانیم که سیستم پرسش-پاسخ را به سه جز: طبقه بندی پرسش‌ها و پاسخ‌ها، بازیابی اطلاعات و انتخاب پاسخ، تقسیم کنیم. ابتدا پرسش‌ها و پاسخ‌ها را با استفاده از یک مدل‌سازی احتمالاتی عصبی طبقه بندی و به بردار تبدیل می‌کنیم. سپس شبکه عصبی شباهت عمیق را برای پیدا کردن میزان شباهت بین پرسش و پاسخ آموزش می‌دهیم و در انتها بهترین پاسخ را انتخاب و ارائه می‌دهیم. سیستم پیشنهادی ما، با پیشنهاد روشی مبتنی بر مدل‌سازی احتمالاتی عصبی، عبارات را به گونه‌ای جاسازی و به بردار تبدیل می‌کند تا بردار هر عبارت بسیار شبیه به بردار کلمه یا کلمات کلیدی آن شود. در نتیجه می‌توان احتمال شباهت پرسش‌ با پاسخ‌های مربوط به آن را بالا برد و در انتها شبکه‌ی عصبی سیام- با اعمال تغییراتی- به گونه‌ای آموزش می‌بیند تا بتواند پاسخ مناسبی را برای پرسش مطرح شده، انتخاب کند. در این مدل ما توانسته‌ایم خطا را حدود ۲۵ درصد نسبت به روش‌های مشابه اخیر کاهش دهیم.