李茂胜，王天一

（贵州大学 大数据与信息工程学院，贵阳 550025）

0 引 言

进入互联网时代以来，各行各业的数据呈指数级增长，面对这些海量的数据，以往的搜索引擎［1］已逐渐不能满足用户准确、快速获取信息的需求。传统搜索引擎主要存在以下几点不足：

（1）通过关键字匹配进行搜索，导致返回的信息多且杂乱，有太多无关的信息被搜索引擎获取。

（2）没有对用户输入的句子进行句法、语法、语义方面的分析，只是简单地模糊搜索（同义词搜索），考虑的因素太少，影响搜索的准确率。

（3）由于用户界面的目录一般是按照类别进行分类，用户需要逐级进行搜索才能找到最终的类别和结果，导致速度较慢，耗费了大量时间。

面对以上传统搜索引擎的不足，问答系统［2］应运而生。问答系统是一种高效、智能的信息检索系统。用户可以使用自然语言来进行输入，系统通过相关的自然语言处理技术，对用户的输入进行分析，通过对数据库中的问句进行匹配，最终返还给用户一个简洁、准确的答案。问句相似度计算方法是FAQ 问答系统的核心，很大程度上决定问答系统的好坏。问句相似度计算方法主要分为以下3 种［3］，分别是基于字符串的方法、基于知识库的方法和基于统计的方法。

基于字符串的方法主要是对输入的句子或组成句子词语的重复度、长度、词序等直接进行比较［4－5］。主要方法有编辑距离、最长公共子序列算法、N－Gram模型、Jaccard 系数等。基于知识库的方法主要分为两类：一是基于结构化词典来衡量词语间的相似度，从而计算句子的相似度。……