冶忠林，賈真＊，楊燕，尹紅風(fēng)

（1.西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，成都 611756；2.DOCOMO Innovations公司，帕羅奧圖 美國 94304）

0 引言

句子相似度計(jì)算是自然語言處理領(lǐng)域中比較基礎(chǔ)而重要的研究課題，它在現(xiàn)實(shí)中有廣泛的應(yīng)用。在信息檢索領(lǐng)域，句子相似度計(jì)算方法用來對(duì)檢索結(jié)果進(jìn)行排序。在問答系統(tǒng)領(lǐng)域，需要使用相似度方法對(duì)用戶所提問題和系統(tǒng)知識(shí)庫中的問題進(jìn)行比較，找到問題的最佳匹配從而返回最佳答案。在機(jī)器翻譯領(lǐng)域，通過計(jì)算句子的相似度來匹配相似的句子，找出相似的翻譯。

Palakorn等 總結(jié)了三類計(jì)算句子相似度的算法，對(duì)當(dāng)前主要的算法進(jìn)行了分類，同時(shí)分析了各種方法的原理并將它們進(jìn)行了對(duì)比。漢語和英語句子的相似度計(jì)算有很大的差別，因?yàn)橛⒄Z是基于語法的句子，而漢語是基于語義的句子，因此，在計(jì)算句子相似度時(shí)，英語句子相似度是從句子的依存關(guān)系、詞語距離方面考慮兩個(gè)長字符串的匹配程度，而漢語句子是從組成句子的詞性、詞義及整個(gè)句子的語義角度考慮。在國外，計(jì)算句子相似度主要有基于距離及其擴(kuò)展算法的相似度模糊匹配［3］、MCWPA字符串快速比較算法［4］、最長公共子序列算法［5］等，這些算法都是基于字符串的比較和處理。比如，最長公共子序列算法就是通過求兩個(gè)英語句子中公共的子串來計(jì)算相似度。在國內(nèi)，漢語言自然語言句子的相似度研究也取得了很多成果。例如，Yin［6］在向量空間模型的基礎(chǔ)上提出了一種同時(shí)考慮句子結(jié)構(gòu)和語義信息的關(guān)系向量模型。吳佐衍等［7］利用概念層次網(wǎng)絡(luò)理論詞匯層面聯(lián)想的概念表述體系來計(jì)算詞語之間的相似度。李彬等［8］提出了基于語義依存關(guān)系的漢語句子相似度計(jì)算方法。此方法基于董強(qiáng)和董振東先生創(chuàng)建的《知網(wǎng)》知識(shí)資源，首先采用哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院信息檢索研究室所做的依存句法分析器建立句子依存樹，然后利用依存結(jié)構(gòu)計(jì)算有效搭配對(duì)之間的相似程度。該方法測試結(jié)果的準(zhǔn)確率嚴(yán)重依賴于所生成的句法依存樹，在分析句子較長、動(dòng)詞較多的網(wǎng)絡(luò)文章時(shí)，正確率常常比較低。李茹等［9］提出了基于漢語框架網(wǎng)語義資源，通過多框架語義分析、框架的重要度度量、框架的相似匹配、框架間相似度計(jì)算等關(guān)鍵步驟來實(shí)現(xiàn)句子語義的相似度度量。張奇等［10］通過回歸方法將uni－gram、bi-gram、tri-gram幾種相似度結(jié)果綜合起來，提出了一種新的句子相似度度量方法并應(yīng)用于文本自動(dòng)摘要中。

本文提出了一種基于語義擴(kuò)展的句子相似度計(jì)算方法。首先，利用現(xiàn)有的搜索引擎技術(shù)，對(duì)句子進(jìn)行語義擴(kuò)展得到與句子相關(guān)的長文本；其次，使用特征提取獲得長文本的特征項(xiàng)及分布概率，將句子轉(zhuǎn)化為具有與句子含有相同語義的特征項(xiàng)組；再次，取兩個(gè)特征項(xiàng)的交集，利用其分布概率建立向量空間模型，求得向量的夾角的余弦值即為相似度值。因此，本文提出的方法將句子相似度的計(jì)算從詞形、詞序、詞義、依存關(guān)系的理解轉(zhuǎn)移到對(duì)句子語義間的相似度計(jì)算，從而減少在相似度計(jì)算時(shí)對(duì)句子語義的歧義理解。

1 基于語義擴(kuò)展的句子相似度算法介紹

1.1 算法原理

現(xiàn)有的計(jì)算句子相似度的方法僅僅從詞形、詞序、句子結(jié)構(gòu)、依存關(guān)系等方面考慮句子表面的信息，沒有嘗試去理解句子的隱含語義。比如，基于空間向量的句子相似度算法把詞當(dāng)作一個(gè)維度，于是，一個(gè)句子的每個(gè)詞以及詞的權(quán)重就構(gòu)成了一個(gè)n維空間圖，那么求兩個(gè)句子的相似度，也就是求兩個(gè)空間圖的接近度。

本文放棄了對(duì)句子的詞形、詞序、句子結(jié)構(gòu)、依存關(guān)系的分析，而考慮句子所隱含的語義特征，類似于知網(wǎng)中的義原，即利用搜索引擎，對(duì)句子進(jìn)行知識(shí)擴(kuò)展，挖掘出更多與句子相關(guān)的知識(shí)文本，如此，一條較短的句子擴(kuò)展為一個(gè)較長的文本，進(jìn)而將句子之間的相似度計(jì)算轉(zhuǎn)化為文本之間的相似度計(jì)算。相較于短句子，長文本具有大量的信息可以利用，更加有利于計(jì)算相似度。然后使用潛在狄利克雷分配（Latent Dirichlet Allocation，LDA）模型，對(duì)擴(kuò)展后的文本進(jìn)行特征提取，獲得該文本的主要內(nèi)容，即特征詞以及特征詞在主題空間上的概率分布，最后將特征詞轉(zhuǎn)化為向量空間模型，計(jì)算取交集后兩個(gè)共同部分的向量之間的夾角的余弦值，該值即為兩個(gè)句子的相似度。

本文中的相似度計(jì)算算法主要由以下三個(gè)步驟組成：

（1）知識(shí)擴(kuò)展：基于搜索引擎的句子內(nèi)容擴(kuò)展；

（2）特征提?。夯贚DA的特征提取；

（3）向量空間模型建立：將特征項(xiàng)轉(zhuǎn)化為向量模型。

1.1.1 知識(shí)擴(kuò)展

知識(shí)擴(kuò)展是對(duì)句子語義的深度理解，對(duì)一個(gè)句子單獨(dú)地進(jìn)行語義理解具有很高的難度，但是如果將一個(gè)句子的語義轉(zhuǎn)化為文本，可有效地利用現(xiàn)有的知識(shí)挖掘算法對(duì)該文本進(jìn)行特征提取，這有助于對(duì)句子語義進(jìn)行分析。由于搜索引擎返回的頁面與所要查詢的問題高度相關(guān)，所以在搜索引擎中，由頁面排序算法可知，排名越靠前的網(wǎng)頁標(biāo)題和摘要信息與查詢語句越相關(guān)。

本文首先利用搜索引擎下載與句子相關(guān)的前100個(gè)頁面的標(biāo)題和摘要，然后組成一個(gè)長文本，之后去除大文本中的干擾詞和噪音信息。其中干擾詞包括停用詞和搜索引擎中經(jīng)常出現(xiàn)的詞語，比如“問答”、“搜索”、“了解”等詞語。噪音信息包括組成網(wǎng)頁的HTML語言、CSS視圖層、JAVASCRIPT等。

例如，對(duì)于句子T1＝｛“西紅柿是什么顏色”｝，利用搜索引擎進(jìn)行知識(shí)擴(kuò)展得到大文本，然后去干擾詞、噪音、分詞處理后結(jié)果如表1所示。

表1 知識(shí)擴(kuò)展返回的大文本Table 1 Long text after knowledge extension

1.1.2 特征提取

特征提取就是對(duì)知識(shí)擴(kuò)展后的大文本提取特征。本文使用LDA進(jìn)行特征提取。

對(duì)于句子T1＝｛“西紅柿是什么顏色”｝和T2＝｛“番茄是什么顏色”｝，知識(shí)擴(kuò)展后，獲得大文本，之后進(jìn)行特征提取，根據(jù)經(jīng)驗(yàn)值，設(shè)置主題個(gè)數(shù)為1，取分布概率最高的5個(gè)特征項(xiàng)作為句子的特征項(xiàng)。如表2所示：

表2 LDA模型特征項(xiàng)提取Table 2 Features extraction by LDA model

通過LDA特征提取之后，句子可用表2中的特征項(xiàng)表示，即句子的語義可以用特征項(xiàng)表示。因此，兩個(gè)句子的相似度可以通過特征項(xiàng)的相似度來表示。

1.1.3 空間向量模型建立

空間向量中，文檔中的每個(gè)詞可以當(dāng)作一個(gè)維度，而詞的頻率作為該維度的值，即向量，于是文檔中的每個(gè)詞和詞頻就構(gòu)成了一個(gè)多維空間圖。求兩個(gè)文檔的相似度就是求兩個(gè)空間圖的接近度，即距離。在信息檢索中，常用的計(jì)算距離的方式有余弦相似度計(jì)算、相關(guān)系數(shù)、Dice、Jaccard等。本文使用余弦相似度求兩個(gè)文本的相似度。

當(dāng)獲取了特征項(xiàng)組一和特征項(xiàng)組二（表2所示）之后，需要做交集運(yùn)算，找出兩個(gè)特征組向量的共同部分。因?yàn)樵摴餐糠蛛m然特征項(xiàng)相同，但是相同特征項(xiàng)的分布概率卻不同，因此取交集運(yùn)算后得到兩個(gè)向量長度相同但分布概率不同的向量IP1和IP2。之后計(jì)算這兩個(gè)向量的夾角的余弦值。

例如 表2中，IP1＝｛0.143 6，0.114 9，0.023 7，0.017 1，0.008 8｝，IP2＝｛0.123 9，0.100 8，0.049 9，0.017 4，0.008 8｝，則S（T1，T2）＝S（IP1，IP2）＝cosθ，其中θ為IP1和IP2的夾角。綜上，利用空間向量模型，可以將兩個(gè)句子的相似度計(jì)算轉(zhuǎn)化為句子特征項(xiàng)向量的夾角余弦值的計(jì)算。

1.2 算法定義

為了便于說明算法，此處對(duì)文章中所用到的概念作如下定義。

定義1 句子向量：對(duì)于一個(gè)句子s使用分詞系統(tǒng)，可得到該句子的分詞結(jié)果，該結(jié)果有一個(gè)或多個(gè)詞w構(gòu)成，得到的所有詞wi構(gòu)成的句子向量叫作句子Si的向量表示，即：Si＝｛w1，w2，…，wn｝。

例如 s1：劉德華出演過哪些電影。s2：劉德華的電影有哪些。經(jīng)過西南交通大學(xué)漢語分詞系統(tǒng)分詞之后，s1：劉德華／nr出演／v過／uguo哪些／ry電影／n。s2：劉德華／nr的／ude1電影／n有／vyou哪些／ry。那么，s1和s2的向量形式為：

S1＝｛劉德華，出演，過，哪些，電影｝，S2＝｛劉德華，的，電影，有，哪些｝。

定義2 句子向量長度：對(duì)于Si，如果可用向量的形式表示，那么Si中單詞的數(shù)量為句子Si的向量長度，即句子Si的向量長度可表示為len（Si）。

例如 對(duì)于定義1中的兩個(gè)句子s1和s2，有：len（S1）＝5，len（S2）＝5。

定義3 擴(kuò)展向量表：對(duì)于已經(jīng)分詞的句子s1和s2，并且len（S1）＞0，len（S2）＞0，利用搜索引擎的知識(shí)擴(kuò)展和理解功能，將句子向量表輸入到搜索引擎，可獲得相關(guān)的知識(shí)，去除停用詞、干擾詞，然后使用主題模型進(jìn)行建模學(xué)習(xí)，可獲得與句子s1和s2的相關(guān)詞wi與詞wi概率分布pi。同時(shí)，詞wi的向量組成稱為擴(kuò)展向量表Ri，詞的概率分布pi組成的向量表稱為詞的概率分布向量表Pi。即：Ri＝｛w1，w2，…，wn｝，Pi＝｛p1，p2，…，pn｝。

例如 對(duì)于定義1中的兩個(gè)句子s1和s2，利用所有引擎進(jìn)行擴(kuò)展，然后使用LDA模型進(jìn)行建模，最終得到5個(gè)推薦詞，且在主題空間中分布概率最高，則R1＝｛劉德華，電影，演，出演，拍｝，R2＝｛劉德華，電影，演，片，出演｝，P1＝｛0.168 8，0.144 6，0.062 1，0.051 6，0.019 6｝，P2＝｛0.170 8，0.142 1，0.020 0，0.0118，0.009 8｝。

定義4 交集向量表：已知擴(kuò)展向量表R1和R2，如果R1和R2有相同的單詞wi，并且len（R1）＞0，len（R2）＞0，那么，求得向量R1和R2的交集的結(jié)果稱為兩個(gè)句子的交集向量表IR，因?yàn)镮R中的每個(gè)詞有2個(gè)不同的分布概率，所以與之相對(duì)應(yīng)的分布概率記為IP1和IP2。即：

IR＝R1∩R2＝｛w1，w2，…，wn｝，IP1＝｛p11，p12，…，p1n｝，IP2＝｛p21，p22，…，p2n｝。

例如 對(duì)于定義3中的兩個(gè)擴(kuò)展向量表R1和R2，有IR＝R1∩R2＝｛劉德華，電影，演｝，其中IP1＝｛0.168 8，0.144 6，0.062 1｝，IP2＝｛0.170 8，0.142 1，0.020 0｝。

該節(jié)中，對(duì)計(jì)算句子相似度的相關(guān)概念及下小節(jié)中要出現(xiàn)的數(shù)學(xué)符號(hào)做出了定義，比如句子s、句子向量表Si、擴(kuò)展向量表Ri、交集向量表IR、概率分布向量表Pi以及IP1和IP2等。

1.3 算法過程

語義擴(kuò)展的句子相似度算法利用搜索引擎，擴(kuò)展句子的語義信息，然后使用LDA模型，獲得主題空間上分布概率較高的某些詞wi，同時(shí)獲得詞的分布概率pi，隨后獲取兩個(gè)句子的交集向量表IR、概率分布向量表Pi以及IP1和IP2，最后使用IP1和IP2建立向量空間模型，計(jì)算向量IP1和向量IP2的夾角的余弦。

在向量空間模型中，計(jì)算兩個(gè)語句s1，s2的相似度Sim（s1，s2）時(shí)，常用向量之間的夾角的余弦值表示，所以在該小節(jié)中，計(jì)算語句s1，s2的相似度Sim（s1，s2）可認(rèn)為是計(jì)算向量IP1和向量IP2的夾角的余弦值。具體公式如下：

當(dāng)len（IR）＝0時(shí)，Sim（s1，s2）＝0。

當(dāng)len（IR）＝len（R1）＝len（R2）時(shí)，Sim（s1，s2）＝1。

其中，θ表示向量IP1與向量IP2之間的夾角，p1n為向量IP1中的每一個(gè)概率值，p2n為向量IP2中的每一個(gè)概率值，k為交集向量表IR中詞的個(gè)數(shù)。

算法偽代碼如下：

在1.2中S1＝｛劉德華，出演，過，哪些，電影｝，S2＝｛劉德華，的，電影，有，哪些｝，R1＝｛劉德華，電影，演，出演，拍｝，R2＝｛劉德華，電影，演，片，出演｝，P1＝｛0.168 8，0.144 6，0.062 1，0.051 6，0.019 6｝，P2＝｛0.170 8，0.142 1，0.020 0，0.011 8，0.009 8｝，IR＝R1∩R2＝｛劉德華，電影，演｝，其中IP1＝｛0.168 8，0.144 6，0.062 1｝，IP2＝｛0.170 8，0.142 1，0.020 0｝。則使用公式1計(jì)算句子s1與句子s2之間的相似度為：

從上面分析中可以看出，本文提出的方法利用搜索引擎，擴(kuò)展句子的語義信息，類似于知網(wǎng)中的義原，所以當(dāng)兩個(gè)句子高度相似時(shí)，其擴(kuò)展后的語義也高度相似，如果當(dāng)兩個(gè)句子高度不相似時(shí)，其擴(kuò)展后的語義則相差很大。綜上，考慮句子語義擴(kuò)展的相似度算法可以準(zhǔn)確地計(jì)算出兩個(gè)句子之間的相似度，并且可以解決其他句子相似度算法中兩個(gè)毫無相關(guān)的句子相似度很高的現(xiàn)象。另外，本文提出的方法只對(duì)兩個(gè)擴(kuò)展向量表中的交集向量表IR進(jìn)行相似度計(jì)算，所以能在一定程度上降低運(yùn)算的時(shí)間復(fù)雜度。

2 實(shí)驗(yàn)結(jié)果分析

在該小節(jié)，使用2個(gè)實(shí)驗(yàn)進(jìn)行算法效果對(duì)比。實(shí)驗(yàn)一是本文提出的方法與文獻(xiàn)［11］提出句子相似度計(jì)算方法做比較，同時(shí)給出其他常用的相似度計(jì)算方法的值。在實(shí)驗(yàn)一中，測試了3組句子，每組句子有1個(gè)源句子和5個(gè)相似的句子構(gòu)成且與源句子的相似度依次遞減。實(shí)驗(yàn)二使用Li和David［12］提出的實(shí)驗(yàn)方法進(jìn)行比較，從當(dāng)前的網(wǎng)絡(luò)新聞中收集了教育、科技、健康、軍事、旅游等10大類新聞文本組成10個(gè)測試樣本集，每個(gè)測試樣本集約50個(gè)句子，共500個(gè)句子。我們從10個(gè)測試樣本集中隨意抽取1條目標(biāo)語句，然后人工的找出與目標(biāo)句子語義比較相近的3個(gè)測試句子組成一組，即共10組句子，每組1個(gè)目標(biāo)句子，3個(gè)測試句子，共40條句子。

2.1 實(shí)驗(yàn)一

為了和其他算法進(jìn)行對(duì)比，本文計(jì)算了基于語義和詞序的句子相似度值、基于詞語共現(xiàn)模型的相似度值、基于詞類串句子相似度值。

方法1：本文方法。

方法2：基于本文知識(shí)擴(kuò)展的方法，但是使用TF-IDF模型獲取大文本的特征詞和特征詞的詞頻。

方法3基于詞語共現(xiàn)模型的句子相似度計(jì)算方法

方法4：基于詞類串的漢語句子結(jié)構(gòu)相似度計(jì)算方法［14］。

方式5：基于語義和詞序的句子相似度計(jì)算方法［15］。

關(guān)于以上5種方法的句子相似度結(jié)果如表3所示。

表3 句子相似度計(jì)算結(jié)果對(duì)照表Table 3 Result comparison in different sentence similarity computing method

從表3中看以得出，當(dāng)兩個(gè)句子相似度很高時(shí)，基于本文的方法1和方法2，可以得到一個(gè)較高的相似度值，當(dāng)兩個(gè)句子相似度很低時(shí)，本文的方法計(jì)算所得的相似度值符合常識(shí)。方法3、4在實(shí)驗(yàn)一中，也具有較好的實(shí)驗(yàn)結(jié)果，方法5中當(dāng)兩個(gè)句子相似時(shí)，效果較好，但是當(dāng)兩個(gè)句子不相似時(shí)，卻出現(xiàn)相似度值比較高的情況。

2.2 實(shí)驗(yàn)二

實(shí)驗(yàn)二中，有10個(gè)測試樣本集和10組句子，每組句子有1個(gè)目標(biāo)句子和3個(gè)測試句子組成。10個(gè)樣本測試集的文本類別和10組句子的文本類別是相對(duì)應(yīng)的。使用本文提出的方法，使用1個(gè)目標(biāo)句子在其對(duì)應(yīng)類別的樣本測試集中計(jì)算句子相似度，取相似度最高的3條句子，然后和10組句子中的測試句子相比較。如果通過本文計(jì)算相似度方法得到的句子與人工方式找到的測試語句相同，則認(rèn)為本文的方法有效。表4是采用不同的句子相似度算法獲取相似度最高的3條句子，然后和人工選出的3條句子對(duì)比后的準(zhǔn)確率，共有10個(gè)樣本集，因此測試句子和人工選出的句子共有30條。

表4 實(shí)驗(yàn)二結(jié)果Table 4 Second experiment’s result

從表4可以發(fā)現(xiàn)，在近500條的句子的測試過程中，基于句子語義擴(kuò)展的算法其準(zhǔn)確率達(dá)到0.87，基于詞語共現(xiàn)模型的相似度算法的準(zhǔn)確率為0.63，而基于語義和詞序相似度算法準(zhǔn)確率卻比較低。主要原因是，在實(shí)驗(yàn)二中，目標(biāo)語句與3條相似語句之間語義很接近，所以在語句的詞語構(gòu)成上，詞語共現(xiàn)的頻率就會(huì)提高，因此基于詞語共現(xiàn)的相似度算法在該類數(shù)據(jù)集上表現(xiàn)較好。而基于語義和詞序的相似度算法，由于詞語相似度計(jì)算的準(zhǔn)確率受限，所以句子相似度值準(zhǔn)確率較差?；诰渥诱Z義擴(kuò)展的方法，通過搜索引擎進(jìn)行語義理解，找出與句子含有相同語義的更多特征詞組，所以能夠獲得符合常識(shí)的相似度計(jì)算結(jié)果。

3 結(jié)束語

本文提出了一種基于語義擴(kuò)展的句子相似度算法，將句子相似度的計(jì)算從詞形、詞序、詞的語義、依存關(guān)系的理解轉(zhuǎn)移到對(duì)句子語義的理解上，依托強(qiáng)大的搜索引擎的頁面推薦功能，能夠?qū)⒑唵蔚木渥舆M(jìn)行語義擴(kuò)展，從而解決句子特征詞稀疏問題，提升句子相似度計(jì)算的準(zhǔn)確性。實(shí)驗(yàn)表明，與基于詞語共現(xiàn)模型、語義和詞序的相似度方法、詞類串的漢語句子結(jié)構(gòu)相似度計(jì)算方法相比，本文的方法對(duì)相似度很高的句子可有效地找出其中的關(guān)聯(lián)，計(jì)算出準(zhǔn)確的相似度，對(duì)于相似度很低的句子，由于其隱含的語義相差很大，所以本文計(jì)算出來的相似度值很低，因此，基于句子語義擴(kuò)展的方法計(jì)算所得的值符合常識(shí)判斷。

［1］ Zhang H，Yu Z，Shen L，et al.Naxi Sentence Similarity Calculation Based on Improved Chunking Edit-distance［J］.International Journal of Wireless and Mobile Computing，2014，7（1）：48-53.

［2］ Palakor A，Hu X H，Shen X J.The Evaluation of Sentence Similarity Measures［C］／／Proceedings of the 10th International Conference on Data Warehousing and Knowledge Discovery，Stroudsburg：Association for Computational Linguistics，2008：305-316.

［3］ Liu X，Zhou Y，Zheng R.Sentence Similarity Based on Dynamic Time Warping［C］／／Semantic Computing，2007.ICSC 2007.International Conference on.Irvine：IEEE，2007：250-256.

［4］ Chan T P，Callison-Burch C，Van Durme B.Reranking Bilingually Extracted Paraphrases Using Monolingual Distributional Similarity［C］／／Proceedings of the GEMS 2011 Workshop on GEometrical Models of Natural Language Semantics.New York：Association for Computational Linguistics，2011：33-42.

［5］ Li L，Hu X，Hu B Y，et al.Measuring Sentence Similarity from Different Aspects［C］／／Machine Learning and Cybernetics，2009 International Conference on.Baoding：IEEE，2009，4：2244-2249.

［6］ Yin Y M，Zhang D Z.Sentence Similarity Computing Based on Reation Vector Model.Computer Engineering and Applications［J］，2014，50（2）：198-203.

［7］ 吳佐衍，王宇.基于 HNC理論和依存句法的句子相似度計(jì)算［J］.計(jì)算機(jī)工程與應(yīng)用，2014，50（3）：97-103.

［8］ 李彬，劉挺，秦兵，等.基于語義依存的漢語句子相似度計(jì)算［J］.計(jì)算機(jī)應(yīng)用研究，2013，20（12）：15-17.

［9］ 李茹，王智強(qiáng)，李雙紅，等.基于框架語義分析的漢語句子相似度計(jì)算［J］.計(jì)算機(jī)研究與發(fā)展，2013，50（8）：1728-1736.

［10］ 張奇，黃萱菁，吳立德.一種新的句子相似度度量及其在文本自動(dòng)摘要中的應(yīng)用［J］.中文信息學(xué)報(bào)，2004，19（2）：93-99.

［11］ 陳海燕.基于搜索引擎的詞匯語義相似度計(jì)算方法［J］.計(jì)算機(jī)科學(xué)，2015，42（1）：261-267.

［12］ Li Y H，David M.Sentence Similarity Based on Semantic Nets and Corpus Statistics［J］.IEEE Transactions on Knowledge and Data Engineering，2006：1138-1150.

［13］ Ahsaee M G，Naghibzadeh M，Naeini S E Y.Semantic Similarity Assessment of Words Using Weighted Word Net［J］.International Journal of Machine Learning and Cybernetics，2014，5（3）：479-490.

［14］ Huang X，Zhang J，Chen H，et al.Research on Text Similarity Algorithm Based on Sentence Semantic Clustering［J］.Journal of Computational Information Systems，2014，10（8）：3163-3170.

［15］ O’Shea K.An Approach to Conversational Agent Design Using Semantic Sentence Similarity［J］.Applied Intelligence，2012，37（4）：558-568.