王铁鑫，刘文静，杨志斌，曹静雯

1(南京航空航天大学 计算机科学与技术学院，南京 210016) 2(高安全系统的软件开发与验证技术-工信部重点实验室，南京 210016)

1 引 言

句子相似度计算是自然语言处理研究中的一个基本问题[1].许多基于自然语言处理技术的应用，使用句子相似度计算，如语义检索[2]，文本摘要[3]，自动问答系统[4]，抄袭检测等.以论文抄袭检测为例，其被广泛应用于科研论文投稿、毕业论文查重等审核阶段.自动化、高效率的句子相似度分析检测方法，能够有效替代繁重且易错的人工判断过程.

句子的相似性可以从两个维度加以解释：语法与语义.语法相似性关注句子中使用的词汇及句子结构，如使用相同或相似的词汇与结构组织句子.语义相似性关注句子本身的语义，如不同的词汇在不同语法结构组织下，表达相同或相近的意思.

目前，使用较多且效果相对较好的句子相似度计算方法主要利用语义分析技术；根据采用分析技术的不同，可以进一步将计算方法划分为3类[5]：1)基于语料库的相似度计算方法；2)基于知识库的相似度计算方法；3)基于句子结构信息的相似度计算方法.然而，以上3种方法都有各自的不足.

基于语料库的相似度计算方法，依赖于人工智能技术，如机器学习与深度学习算法.语料库的选取、前期对语料库的人工标记、语料特征的选择与抽取等，都直接影响着相似度计算的准确性.与其他应用人工智能算法的方法类似，该类方法同样缺乏对计算结果的可解释性.基于知识库的相似度计算方法，依赖于对句子关键词的提取、分析与对比，缺乏对句子整体语义的把握与理解；……