短文本语义相似度计算为自然语言处理领域的一项关键技术,并且已在智能客服问答、自然语言推理、文本信息检索及自动阅卷等领域有了广泛应用。然而,当前针对中文短文本的语义相似度计算研究依然面临诸多挑战:（1）中文短文本的长度较短,所包含的有效信息有限,使得文本特征稀疏,并且传统的基于孪生网络构建的模型提取中文短文本的特征能力有限,具体表现为难以同时充分提取文本内部不同字词之间的关联信息及文本与文本之间的交互信息;（2）深度学习技术的加入提高了模型计算语义相似度的准确率,然而这类模型通常结构复杂,其好坏依赖于训练数据尤其是带标签数据的规模及质量。在真实场景中标签数据的获取过程耗时耗力,使得其数据规模不够大且标签类别数量分布不均衡,从而导致模型性能不佳。针对上述问题,本文分别提出了相应的解决方法,具体内容如下:（1）针对问题1,提出一种融合孪生网络与预训练模型Roberta的SRoberta-SelfAtt模型。首先,在孪生网络架构上,通过Roberta预训练模型分别将原始文本对编码为字级别向量,并使用自注意力机制捕获文本内部不同字之间的关联;然后,通过全局最大池化及全局平均池化策略分别获取文本对的句向量并将其拼接,进而将表示结果交互并融合;最后,在全连接层通过softmax计算损失值,评价文本对的语义相似度。将此模型在两类任务（智能问句匹配任务及自然语言推理任务）下的三种数据集（AFQMC、LCQMC及OCNLI数据集）中进行实验,在前两种数据集的测试集上F1值分别达到了80.05%及84.5%,在后一种数据集的验证集上平均精确率达到了 76.1%。实验结果相比于其他模型有所提升,为进一步优化文本语义相似度计算的准确率提供了有效依据。（2）针对问题2,提出一种基于简单文本增强法EDA及文本生成模型LaserTagger的混合文本增强方法。首先将原始文本通过EDA法中的随机交换策略进行数据增强;接下来将EDA增强文本与原始文本组成文本对送入LaserTagger模型中,得到关于输入文本对的复述文本,即为由混合方法得到的最终增强文本。将本文所提出的方法用于AFQMC数据集中,对其标签为1的部分进行数据增强,将增强文本与原文本结合做为SRbert-SelfAtt模型的训练集,其F1值达到了 86.71%。与原始未经数据增强、基于回译法及基于EDA中随机交换法的数据增强策略相比,分别提高了 8.3、0.9及3.5个百分点。实验结果表明,本文所提出的方法能够有效进行数据增强,从而在一定程度上提高模型计算的准确率。