赵 琪，杜彦辉，芦天亮，沈少禹

中国人民公安大学 警务信息工程与网络安全学院，北京 100038

文本相似度在自然语言处理中有着重要的地位。其旨在对给定的两个文本进行特征提取，计算文本特征向量相似度，以此来量化两个文本之间的的相似程度。文本相似度在自动问答系统、信息检索、自动文本摘要、文本分类等自然语言处理的任务中都有着广泛的应用[1]。

近年来，随着深度学习的发展，深度学习在文本相似度的任务中得到广泛的应用。由于卷积神经网络[2]与循环神经网络[3]在各个领域的任务中表现出了良好的性能，从而成为如今主要的两种神经网络模型结构。卷积神经网络通过对词向量矩阵进行处理，从而有效地提取出文本的局部特征，但缺点在于不能考虑文本的上下文信息，有时不能表达文本真正的含义。循环神经网络将文本视为一个序列，它可以将上一神经元的输出作用于下一神经元，因此这种网络结构具有记忆性，利用循环神经网络完成文本特征向量提取，可以考虑词语的顺序信息，利用文本的上下文信息提取文本的全局特征，但对于长距离的依赖关系，循环神经网络不能很好地提取文本特征。针对两种网络结构的特点，本文提出基于capsule-BiGRU 的文本相似度分析方法，该方法将两个文本通过两种神经网络结构处理之后得到的文本特征向量进行相似度分析，得到局部相似度矩阵和全局相似度矩阵，将两个层次的相似度矩阵进行融合，以此完成文本相似度分析。……