La respuesta a preguntas basada en una base de conocimientos en chino (KBQA) está diseñada para responder preguntas con los hechos contenidos en una base de conocimientos. Esta tarea se puede dividir en dos subtareas: extracción de entidades temáticas y selección de relaciones. Durante la etapa de extracción de entidades temáticas, se construye un modelo de extracción de entidades para localizar entidades temáticas en las preguntas. Se propone un enlazador de entidades basado en la relación de Levenshtein para llevar a cabo un enlace de entidades efectivo. Se buscan todos los triples sujeto-predicado-objeto (SPO) relevantes para la entidad temática en la base de conocimientos como candidatos. En la selección de relaciones, se propone un modelo de interacción de múltiples granularidades basado en atención (ABMGIM). Las dos principales contribuciones son las siguientes. Primero, se propone un enfoque de múltiples granularidades para la incrustación de texto. Se utiliza un enfoque anidado a nivel de caracteres y a nivel de palabras para concatenar la incrustación preentrenada de un carácter con la incrustación correspondiente a nivel de palabra. En segundo lugar, aplicamos un modelo de coincidencia jerárquica para la representación de preguntas en tareas de selección de relaciones, y se importan mecanismos de atención para un alineamiento fino entre caracteres para la selección de relaciones. Los resultados experimentales muestran que nuestro modelo logra un rendimiento competitivo en el conjunto de datos público, lo que demuestra su efectividad.