杨延娇，赵国涛，王丕栋

西北师范大学 计算机科学与工程学院，兰州730070

句子相似度计算是自然语言处理中一项重要的基础性研究，相关研究成果可以广泛应用到许多方面。在智能问答系统中，使用句子相似度从原始数据库中找出与目标句子最相似的句子[1]；在机器翻译中，使用句子相似度从实例集中找出与待翻译语句最相似的源语句[2]；在文本自动分类中，使用句子相似度作为判别构成文本的句子集归类的主要标准[3]；在文本检测和文本查重中，句子相似度计算作为核心标准，决定了文本检测和查重的准确率[4]。因此，句子相似度是一项重要的计算标准，其计算效率和准确率可影响到许多相关系统的运行效率。

目前国外成熟的句子相似度计算方法有简单匹配、最长公共子序列（Longest Common Length，LCS）、莱文斯坦距离（Levenshtein Distance）、Jaccard等[5]。不同于印欧语言以单词为语义的最小单位，中文因为其构词表意的灵活性，使得上述方法应用于中文句子相似度计算时，只考虑到了词语的字面信息与句子相互转化的次数等特征，而忽略了词语的语义信息和操作可能引起的语义差异，导致此类方法对中文句子相似度计算准确率较低。

在此基础上，Ruan等[6]使用词嵌入技术，结合Word2vec与神经网络来计算句子相似度，这种方法考虑到了句子形态信息，但未考虑到句子语义信息。Gokul等[7]使用句子中关键词的同义词，结合余弦相似度在喜马拉雅语中查找相似短语，取得了不错的效果，但该方法适用于特定语言，通用性小。……