高順峰 張?jiān)佘S

摘 要：傳統(tǒng)句子相似度算法沒有全面考慮句子結(jié)構(gòu)與語義特征，影響相似度計(jì)算準(zhǔn)確性，對(duì)此提出一種基于句法塊向量的句子相似度計(jì)算方法。該方法綜合考慮句子的語義信息與結(jié)構(gòu)信息，首先構(gòu)建兩句子的語義依存關(guān)系樹，然后進(jìn)行一些被動(dòng)轉(zhuǎn)換等操作，最后根據(jù)詞向量構(gòu)建各個(gè)句法塊向量并通過余弦值計(jì)算句子相似度。在常規(guī)句子對(duì)中進(jìn)行測(cè)試實(shí)驗(yàn)，結(jié)果表明，綜合句子結(jié)構(gòu)與語義信息可提高相似度計(jì)算準(zhǔn)確性。一般句子相似度計(jì)算正確率達(dá)到92%，比傳統(tǒng)方法提高8%～10%。

關(guān)鍵詞：句子相似度;語義依存樹;詞向量;自然語言處理;句法結(jié)構(gòu)

DOI：10. 11907/rjdk. 201048

中圖分類號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2020）010-0106-05

Abstract：Traditional sentence similarity algorithms do not fully consider the structure and semantic characteristics of sentences， which affects the accuracy of similarity calculation. In this regard， a new calculation method for sentence similarity based on syntactic block vectors is proposed. The feature of this method is to comprehensively consider the semantic and structural information of the sentence. It first constructs the semantic dependency tree of the two sentences， then performs some important operations， such as passive conversion， etc.， and finally constructs each syntactic block vector and sentence vector based on the word vector sentence similarity is calculated from the cosine value. Tested in regular sentence pairs， the experimental results show that the comprehensiveness of sentence structure and semantic information can improve the accuracy of similarity calculations. For general sentence similarity calculations， the accuracy rate reaches 92%， which is 8% to 10% higher than the traditional method.

Key Words： sentence similarity; dependency syntax tree; word embedding; natural language processing; syntactic structure

0 引言

度量句子之間的相似性是自然語言處理一項(xiàng)基本且重要的任務(wù)，廣泛應(yīng)用于信息檢索、文本聚類、問答系統(tǒng)、文本分類、機(jī)器翻譯等。句子相似度計(jì)算是這些任務(wù)中基礎(chǔ)且重要的步驟。近年出現(xiàn)許多句子相似度計(jì)算方法，如基于Word2Vec、GloVe、FastText或其改進(jìn)版本、基于同義詞詞林的句子相似度計(jì)算方法等。Word2Vec、GloVe利用詞向量計(jì)算句子相似度，充分利用句中的相似詞，但沒有考慮句子順序結(jié)構(gòu)，這點(diǎn)往往會(huì)對(duì)一些否定句以及被動(dòng)句的相似度計(jì)算造成較大影響[1]?；谕x詞詞林的方法利用同義詞詞林編碼以及結(jié)構(gòu)特點(diǎn)，同時(shí)考慮詞語的相似性及相關(guān)性，但未包含詞語的語義信息，對(duì)相似度計(jì)算有一定影響[2]。

以上方法各有優(yōu)勢(shì)與不足，但均沒有考慮到中文句法成分的特殊性與差異性，沒有充分利用句子的語義信息與結(jié)構(gòu)信息。鑒于此，提出一種基于句法塊向量的句子相似度算法（Sentence Similarity Method Based on Syntax Block Vector，SSSB），更大程度考慮句子的語義特征與結(jié)構(gòu)特征，利用句子語義依存關(guān)系獲取句子的句法塊，通過詞向量構(gòu)造句法塊向量與句子向量，增加被動(dòng)句轉(zhuǎn)換和否定句判斷，以此提高句子相似度精確性。

一般中文句子句法成分包括主語、謂語、賓語、定語、補(bǔ)語、狀語等。其中主、謂、賓是句子主干，定、補(bǔ)、狀是句子枝葉。不同的自然語言處理任務(wù)需要的句法成分也不同，比如新聞標(biāo)題更強(qiáng)調(diào)主語、謂語和賓語。一個(gè)句子可以沒有主語或主語承前、蒙后省略，一個(gè)句子也可以沒有賓語，但一個(gè)句子絕不能沒有謂語，沒有謂語的句子就不存在。因此，本文以謂語為中心對(duì)句子進(jìn)行分析。利用句子的句法結(jié)構(gòu)和句子向量對(duì)句子進(jìn)行相似度計(jì)算。與傳統(tǒng)的Jaccard算法、TF-IDF算法和基于詞向量的句子相似度算法相比具有更高的準(zhǔn)確性。

1 相關(guān)工作

1.1 詞向量

詞是最小和最有意義的語言單位，廣泛應(yīng)用于基于神經(jīng)網(wǎng)絡(luò)的分布式表示，也稱為單詞向量。該方法使用神經(jīng)網(wǎng)絡(luò)模擬目標(biāo)詞與上下文之間的關(guān)系，使其可以代表復(fù)雜的背景。李小濤等[3]提出基于詞向量的詞語間離和句子相似度模型，該方法結(jié)合詞向量與傳統(tǒng)語義解析兩者優(yōu)點(diǎn)，在相似度計(jì)算上取得很好效果，但是該方法只注重詞的語義信息而忽略了句子的結(jié)構(gòu)信息。本文在此基礎(chǔ)上引入句子的結(jié)構(gòu)信息和句向量，以提高相似度計(jì)算的準(zhǔn)確性。

谷歌公司發(fā)布的開源詞向量訓(xùn)練工具 word2vec主要實(shí)現(xiàn)CBOW和skip-gram兩種模型，其中一詞多義問題采用k-means算法解決。skip-gram模型是包含輸入層、隱藏層和輸出層的三層神經(jīng)網(wǎng)絡(luò)模型，由于此模型簡(jiǎn)單且訓(xùn)練參數(shù)少，所以其訓(xùn)練效率很高。Word2vec以任意大小的文本集合作為輸入，通過無監(jiān)督訓(xùn)練得到包含所有詞向量的二進(jìn)制文件。之后再利用高維向量作為輸入，把深度學(xué)習(xí)應(yīng)用到NLP的諸多領(lǐng)域中，詞向量本身蘊(yùn)含的語義信息可直接作為詞相似度計(jì)算的依據(jù)。如Mikolov[4]發(fā)現(xiàn)[vec（berlin）-vec（germany）+vec（france）][≈vec（paris）]，其中vec表示單詞向量，這表明詞向量之間的相似度也可以表示成詞在語義層面的相似度，本文就是采用word2vec的skip-gram模型構(gòu)造詞向量。

1.2 語義依存樹

語句由詞組成，通常包括主語（詞）、謂語（詞）和賓語（詞）3個(gè)主要成分，當(dāng)然還可能有其它成分，如定語、補(bǔ)語、狀語和語氣助詞等。作為句子，謂語成分是不可忽略的，因而句子的謂語詞稱為該句子的“核心成分”。詞與詞之間存在一定的關(guān)系，如主、謂之間的“施事關(guān)系（nsubj）”、謂語和賓語之間的“受事關(guān)系（dobj）”等，這些關(guān)系稱為詞與詞之間的依存關(guān)系。隨著統(tǒng)計(jì)自然語言處理的演化，針對(duì)語句的語義依存樹廣泛應(yīng)用。語義依存關(guān)系樹最先由法國(guó)語言學(xué)家L.Tesniere[5]在1959年提出，主要方法是將句子按照一定規(guī)則分解，分析詞與詞之間的語義依存關(guān)系，并通過樹的形式將詞語之間的依存關(guān)系直觀展現(xiàn)出來。

如果[S=w1w2wn]是含有[n]個(gè)詞的句子，那么[S]的語義依存樹可表示為二元組[TS=（NS， ES）]，其中，[NS={w0，w1，wn}]為結(jié)點(diǎn)集，由語句[S]的各個(gè)分詞加上引入的根結(jié)點(diǎn)[w0（root）]組成;[ES={e1，e2，，em}]為邊集，每條邊[et=（depk，wi，wj）]為一個(gè)三元組，表示語句[S]中的詞[wi，wj]具有依存關(guān)系[depk]。如果[wk]是語句[S]中的核心成分，那么[e1=（Root，w0，wk）]表示[wk]是樹的根節(jié)點(diǎn)。

語義依存關(guān)系分析是信息論研究領(lǐng)域的重要內(nèi)容之一，其最核心的思想是闡明一個(gè)完整句子中各組成部分之間的相互關(guān)系。其中，主成分一般為句子核心詞，通常起著支配其它成分的作用，而修飾成分則被用來描述語境，起修飾作用并受主成分支配。通過語義依存樹，可以得到句子中詞與詞之間的依賴關(guān)系，從而分析出句子的主謂賓結(jié)構(gòu)。目前，構(gòu)建語法依存樹的常用方法是哈工大提出的較為完善的封裝式語義依存樹構(gòu)建方法[6]。

以語句“一個(gè)老人修好了自行車”為例，構(gòu)建其語義依存關(guān)系樹。首先經(jīng)分詞得到結(jié)點(diǎn)集[NS={Root，一，個(gè)，老人，] [修好，了，自行車}]，其中，“修好”是核心成分，因而有[e1=（Root，root，修好）]，“人”和“修好”是施事關(guān)系“nsubj”， 即主語和謂語，所以可定義[e2=（nsubj，人，修好）];“自行車”和“修好”是受事關(guān)系“dobj”，即賓語和謂語，所以可定義[e3=（dobj，修好，自行車）]，等等。最終得到語句“一個(gè)老人修好了自行車”的語義關(guān)系依存樹如圖1所示。

利用語句的語義關(guān)系依存樹，很容易得到句子主語、謂語和賓語以及其它成分之間的關(guān)系，為計(jì)算句子相似度帶來極大便利。

1.3 句子相似度模型

句子相似度計(jì)算模型較多，如基于距離的相似度算法、基于語義的相似度算法、基于空間向量模型的TF-IDF方法、基于詞向量的Jacard相似度算法和基于字向量的相似度算法等[7]。

（1）基于距離的相似度算法2001年由張煥炯等[8]提出，該方法建立文本集與碼字集之間的一一對(duì)應(yīng)關(guān)系，然后借用編碼理論中漢明距離概念，由漢明距離計(jì)算公式計(jì)算句子相似度。與傳統(tǒng)方法相比，它具有簡(jiǎn)便、快速等優(yōu)點(diǎn)，但是準(zhǔn)確率相對(duì)較差。

（2）TF-IDF方法[9]是一種句子相似度計(jì)算統(tǒng)計(jì)方法，用來評(píng)估一個(gè)字詞對(duì)一個(gè)文件集中的其中一份文件的重要程度，其重要性隨其在文件中出現(xiàn)的次數(shù)增加而增加，但同時(shí)隨著其在語料庫中出現(xiàn)的頻率增加而降低。該方法是以大規(guī)模語料庫為基礎(chǔ)的方法，在信息檢索領(lǐng)域非常流行。其中單詞向量以語料庫中的關(guān)鍵詞確定，關(guān)鍵詞確定是TF-IDF的重要工作，計(jì)算公式如下：

TF為歸一化后的詞頻，描述詞在文檔中的頻率。其中，[ni，j]是該詞在文件中出現(xiàn)的次數(shù)，[knk，j]為文件所有詞數(shù)。IDF為逆文檔頻率，起降低通用詞作用。某一特定詞語的IDF，可由總文件數(shù)和包含該詞語之文件的數(shù)取以10為底的對(duì)數(shù)計(jì)算得到。其中[|D|]是語料庫中的文件總數(shù)。[|{j：ti∈dj}|]是包含詞語[ti]的文件數(shù)，[dj]為包含詞語[ti]的文件。若該詞語不在語料庫中則會(huì)導(dǎo)致分母為零，因此一般情況下使用[|{j：ti∈dj}|+1]。TF-IDF值由TF與IDF的乘積得到。某一特定文件內(nèi)的高頻率詞語，以及該詞語在整個(gè)文件集合中的低頻率文件，可以產(chǎn)生高權(quán)重的TF-IDF。因此，TF-IDF更適合過濾掉常見的詞語，保留重要的詞語。TF-IDF在句子相似度的應(yīng)用主要是找出兩個(gè)句子的關(guān)鍵詞組，再計(jì)算各關(guān)鍵詞的詞頻并將其向量化，最后通過余弦公式計(jì)算句子的相似度。相似度計(jì)算公式如下：

其中，[ω（i1≤i≤n）]為關(guān)鍵詞組在[Sx]中出現(xiàn)的次數(shù)，[β（i1≤i≤n）]為關(guān)鍵詞組在[Sy]中出現(xiàn)的次數(shù)。該方法只考慮句子的結(jié)構(gòu)信息，沒有考慮句子的語義信息，本文在此基礎(chǔ)上增加句子的語義信息以及句子的被動(dòng)轉(zhuǎn)換操作，以提高相似度計(jì)算的準(zhǔn)確性。

（3）句子的語義依存關(guān)系是衡量句子相似度的方法之一， Li等[8]提出一種基于語義的句子相似度計(jì)算方法，該方法通過計(jì)算兩句句子的有效搭配計(jì)算句子相似度，公式如下：

其中，[W1]表示[Sx]與[Sy]之間詞的有效匹配權(quán)值，[W2]表示[Sx]與[Sy]之間單詞的有效匹配權(quán)值。[PairCount1]是[Sx]到[Sy]的有效詞匹配數(shù)，[PairCount2]是[Sy]到[Sx]的有效詞匹配數(shù)。用[W1]與[W2]的和除以[PairCount1]與[PairCount2]的最大值。該方法僅利用詞的句法匹配初步判別兩個(gè)句子的相似程度，但不能從整體上考慮句子的句法信息，因此計(jì)算的相似度不全面。SBSS不僅考慮句子的結(jié)構(gòu)信息，還引入句法塊以及詞向量方法，增加句子的句法信息，使相似度計(jì)算更加準(zhǔn)確。

（4）Jaccard相似度改進(jìn)算法2018年由田星等[10]提出，該方法首先通過訓(xùn)練將每個(gè)詞語映射為語義層面的高維向量，然后計(jì)算各個(gè)詞向量之間的相似度，高于閾值α的作為共現(xiàn)部分。雖然考慮了句子的語義信息，但缺乏句子的結(jié)構(gòu)信息，也缺乏對(duì)句子正否定的判斷，因而影響相似度計(jì)算的準(zhǔn)確性。

2 句子相似度算法

傳統(tǒng)的相似度算法[4]缺乏對(duì)句子多元信息的綜合考量，如前述的TF-IDF方法只考慮句子的詞頻信息，并未關(guān)注詞義與句子的結(jié)構(gòu)信息，易導(dǎo)致較低的句子相似度準(zhǔn)確度。如Word2vec方法[6]僅僅考慮詞義而忽視句子的結(jié)構(gòu)信息，從而引起句子相似度的偏差計(jì)算。鑒于此，筆者設(shè)計(jì)一種Sentence Similarity Method Based On Syntax Block Vector（SSSB）模型。該模型對(duì)詞義與句子的結(jié)構(gòu)信息加以綜合考慮，創(chuàng)新性地引入否定句判斷與被動(dòng)句轉(zhuǎn)換，增加相似度計(jì)算的精確性。設(shè)計(jì)的SSSB模型不同于傳統(tǒng)的相似度算法，其結(jié)合了詞向量和句子的句法依賴關(guān)系，首先通過句子的句法依賴關(guān)系抽取句子的句法塊，其次利用詞向量構(gòu)造句子的句法塊向量和句向量，進(jìn)而利用所得到的句向量余弦值表示句子的相似度，以提升相似度的準(zhǔn)確性。

2.1 句法塊概念與模型基本框架

句法塊是根據(jù)句子的主謂賓區(qū)分的，分為主語塊、謂語塊和賓語塊。設(shè)[S=w1w2wn]是含有[n]個(gè)詞的句子，[S]的語義依存樹可表示為二元組[TS=（NS， ES）]，其中，[NS={w0，w1，，wn}]為結(jié)點(diǎn)集，由語句[S]的各個(gè)分詞加上引入的根結(jié)點(diǎn)[w0]（root）組成;[ES={e1，e2，，em}]為邊集，其中每條邊[et=（depk，wi，wj）]為一個(gè)三元組，表示語句[S]中的詞[wi，wj]具有依存關(guān)系[depk];[ek]中[depk]值為“nsubj”或 “nsubjpass”時(shí)，[ek]中的[wi]為主語;[ek]中[depk]值為“dobj”或“iobj”時(shí)，[ek]中的[wi]為謂語;[ek]中[depk]值為“iobj”時(shí)，[ek]中的[wj]為賓語。將主謂賓分別表示為[ws]、[wp]、[wo]，其中主語[ws∈Su]，謂語[wp∈Pr]，賓語[wo∈Oc]都表示句子中的一個(gè)詞。將主謂賓的修飾詞分別表示為[s_modifier]、[p_modifier]和[o_modifier]，主語修飾詞[s_modifier]是[Es]中所有與主語[ws]有依賴關(guān)系的詞;謂語修飾詞[p_modifier]是[Es]中所有與謂語[wp]有依賴關(guān)系的詞;賓語修飾詞[o_modifier]是[Es]中所有與賓語[wo]有依賴關(guān)系的詞;主要的依賴關(guān)系值[depk]如表1所示，主謂賓及主謂賓修飾詞如下：

主語塊由主語與主語的修飾詞組成，謂語塊由謂語與謂語的修飾詞組成，賓語塊由賓語與賓語的修飾詞組成，那么主語塊、謂語塊和賓語塊可分別表示為[Su={ws}?] [s_modifier]，[Pr={wp}?p_modifier]，[Ob={wo}?o_modifier]，最終得到句子S的句法塊[Sblock=（Su，Pr，Oc）]。

SSSB模型基本框架分為：①解析部分：解析句子語義依存關(guān)系;②構(gòu)造部分：完成句法塊向量的構(gòu)造;③計(jì)算部分：進(jìn)行句子相似度計(jì)算，其模型結(jié)構(gòu)如圖2所示。

2.2 SSSB模型計(jì)算過程

SSSB模型計(jì)算步驟如下：

（3）被動(dòng)轉(zhuǎn)換。一般被動(dòng)句對(duì)于主動(dòng)句而言結(jié)構(gòu)是倒置的，導(dǎo)致某些相似句子被誤判為不相似句，為此增加被動(dòng)轉(zhuǎn)換步驟，將一般被動(dòng)句轉(zhuǎn)為主動(dòng)句形式。中文被動(dòng)句主要分為標(biāo)志型被動(dòng)句和無標(biāo)志型被動(dòng)句[11]，本文主要針對(duì)標(biāo)志型被動(dòng)句進(jìn)行被動(dòng)轉(zhuǎn)換。標(biāo)志型被動(dòng)句由“被”、“叫”、“教”、“讓”、“給”等5個(gè)介詞作為被動(dòng)標(biāo)志，不妨稱之為“被動(dòng)詞”。被動(dòng)語句的一般形式可表示為：

其中[N1]為主語，[N2]為賓語，其主動(dòng)句式一般可表示為

為增加句子相似度計(jì)算的準(zhǔn)確性，對(duì)被動(dòng)形式的句子進(jìn)行被動(dòng)轉(zhuǎn)換，得到句子的主動(dòng)形式，本文只檢測(cè)一般被動(dòng)句，對(duì)于復(fù)雜被動(dòng)句暫不考慮。

首先檢測(cè)句子是否存在作為被動(dòng)標(biāo)志的5個(gè)介詞“被”“叫”“教”“讓”“給”，若存在，則對(duì)句子進(jìn)行被動(dòng)轉(zhuǎn)換，互換主語塊與賓語塊。對(duì)于一般被動(dòng)句[S]，交換[S]的主語塊與賓語塊，原本[S]的主語塊和賓語塊為[Su={ws}?]? [s_modifier]和[Ob={wo}?o_modifier]，被動(dòng)轉(zhuǎn)換后使[Su={wo}?o_modifier]，[Ob={ws}?s_modifier]，之后再根據(jù)句法塊和詞向量構(gòu)建句法塊向量。

（4）構(gòu)建句法塊向量?？紤]到句子的語義信息，將句法塊中的詞轉(zhuǎn)為詞向量。句法塊向量由塊中單詞向量的加權(quán)和表示，每個(gè)句法塊都有一個(gè)核心詞。句法塊向量和詞向量在不同的向量空間中雖然維數(shù)一樣，但不能作比較。句子[S]的句法塊向量計(jì)算公式如下：

其中，[BVi]表示句子第[i]個(gè)句法塊的塊向量，i=1表示主語塊，i=2表示謂語塊，i=3表示賓語塊。[Nxi]表示句子[Sx]中第[i]個(gè)句法塊的所有單詞，[wj]表示塊中的第j個(gè)單詞，[λj]表示第j個(gè)單詞的權(quán)重（離關(guān)鍵詞越近權(quán)重越高，由人工調(diào)試）。[e（wj）]表示第j個(gè)單詞的向量。句法塊向量最后將拼接到句子中形成兩個(gè)句子的句向量。

（5）拼接塊向量并計(jì)算句子相似度。拼接塊向量前先判斷塊中是否含有否定詞，如“不” “沒”等。用[αi]表示句法塊中否定詞個(gè)數(shù)。句子向量構(gòu)造如下：

其中，[BV1]、[BV2]、[BV3]分別表示主語塊向量、謂語塊向量、賓語塊向量，[λ1]、[λ2]、[λ3]為負(fù)調(diào)節(jié)因子，根據(jù)句法塊中否定詞數(shù)量取值。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

本文相似度實(shí)驗(yàn)數(shù)據(jù)集均來自Tang等[12]提供的chineseSTS數(shù)據(jù)集，數(shù)據(jù)集共有12 747個(gè)句子對(duì)，由于訓(xùn)練時(shí)間過長(zhǎng)，選取5 000對(duì)和人工編寫的400對(duì)作為實(shí)驗(yàn)數(shù)據(jù)，其中相似和不相似句子各占50%。本文詞向量訓(xùn)練數(shù)據(jù)集采用百度百科、維基百科語料。深度學(xué)習(xí)框架使用Word2vec的Skip-grams模型，維度設(shè)置為200維。

3.2 實(shí)驗(yàn)指標(biāo)評(píng)價(jià)

用準(zhǔn)確性衡量各方法優(yōu)劣，計(jì)算公式如下：

T：真實(shí)為0，預(yù)測(cè)也為0或者真實(shí)為1，預(yù)測(cè)為1;

F：真實(shí)為0，預(yù)測(cè)為1或者真實(shí)為1，預(yù)測(cè)為0;

其中，Accuracy為準(zhǔn)確率，最大值為1，最小值為0。

3.3 對(duì)比實(shí)驗(yàn)分析

將本文模型與傳統(tǒng)的Jaccard算法、基于TF-IDF的算法和基于詞向量的兩種傳統(tǒng)句子相似度算法作對(duì)比實(shí)驗(yàn)，結(jié)果表明，本文提出的基于詞向量和語義依存的句子相似度方法結(jié)合了句子語義信息與結(jié)構(gòu)信息，計(jì)算效果較好。本文方法與同類方法的準(zhǔn)確率對(duì)比結(jié)果如表2所示。

表2為不同句子相似度算法在數(shù)據(jù)集上的準(zhǔn)確率，表3為不同相似度算法計(jì)算特定例句的得分情況。對(duì)比表2與表3，說明本文提出的句子相似度模型具有較高準(zhǔn)確率，特別適用于被動(dòng)語句的相似度計(jì)算，符合人們對(duì)漢語語言的認(rèn)知。

4 結(jié)語

本文提出一種基于詞向量和語義依存樹的句子相似度模型，研究了句法塊在句子級(jí)語義相似度中的作用及中文被動(dòng)句的轉(zhuǎn)換等。為在一定程度上保證句子中單詞順序，將構(gòu)造好的句法塊嵌入到句子中，通過計(jì)算句子對(duì)向量的夾角余弦值求得相似度值。由于中文句子句法復(fù)雜，不同應(yīng)用所側(cè)重的句法塊不一樣，本文模型未考慮所有的句法成分，也未考慮所有的被動(dòng)句轉(zhuǎn)換。后續(xù)研究要進(jìn)一步考慮句法結(jié)構(gòu)中的句法要素，增加對(duì)無標(biāo)志型被動(dòng)句的轉(zhuǎn)換，在不同自然語言處理任務(wù)中構(gòu)建句子對(duì)的相似度計(jì)算模型。

參考文獻(xiàn)：

[1] PENNINGTON J，SOCHER R，MANNING C D. Global vectors for word representation[M].? In Emnlp， 2014.

[2] 李婉婉，張英俊，潘理虎. 基于語義相似度的本體概念更新方法研究[J]. 計(jì)算機(jī)應(yīng)用與軟件，2018，35（4）：15 - 20.

[3] 李小濤，游樹娟，陳維. 一種基于詞義向量模型的詞語語義相似度算法[J]. 自動(dòng)化學(xué)報(bào)，2019，25（6）：1-16.

[4] MIKOLOV T. Statistical language models based on neural networks[R].? Technical report， Google Mountain View ，2012.

[5] 特斯尼埃. 結(jié)構(gòu)句法基礎(chǔ)[J]. 當(dāng)代語言學(xué)報(bào)，1985，33（2）：19-21.

[6] LIU T， CHE W， LI Z. Language technology platform. journal of chinese information processing[J]. Journal of Chinese Information Processing， 2011， 25（6）： 53-62.

[7] 何穎剛，王宇. 一種基于字向量和LSTM的句子相似度計(jì)算方法[J]. 長(zhǎng)江大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，16（1）：88-94.

[8] 張煥炯，王國(guó)勝，鐘義信. 基于漢明距離的文本相似度計(jì)算[J].? 計(jì)算機(jī)工程與應(yīng)用，2001，28（19）：56-61.

[9] 趙勝輝，李吉月，徐碧，等. 基于TFIDF的社區(qū)問答系統(tǒng)問句相似度改進(jìn)算法[J]. 北京理工大學(xué)學(xué)報(bào)，2017，37（9）：982-985.

[10] 田星，鄭瑾，張祖平. 基于詞向量的Jaccard相似度算法[J]. 計(jì)算機(jī)科學(xué)，2018，45（7）：186-189.

[11] 張興旺. 現(xiàn)代漢語被動(dòng)句的界定及其分類[J]. 陰山學(xué)刊，2008，17（1）：15-19.

[12] TANG S C， BAI Y Y， MA F Y. Chinese semantic text similarity trainning dataset[D]. Xian：Xian University of Science and Technology，2016.

（責(zé)任編輯：杜能鋼）