[目的]针对当前民事问句数据集不完全以及法律问答问句分类模型中存在无法利用语境信息或难以学习到复杂语句表示的问题,构建了基于BERT的问句分类模型。[方法]通过爬取的6万人工标记的民事相关问句作为分类的训练样本,构建了基于BERT-Base-Chinese的民事相关问句分类模型进行分类研究,并与SVM方法做对比基准。[结果]基于BERT的民事相关问句分类模型的分类效果均优于SVM方法,精准率和F1值分别达到0.978和0.973,F1值比SVM方法高出25.5%。[局限]仅对法律领域下的民事类别做了分类实验,没有将法律全部领域纳入。[结论]基于BERT的问句分类方法能够显著提高民事相关问句的分类效果,可以作为民事问答系统的问句分类模型。