随着网络信息的迅速增长，如何提高信息检索系统对自然语言的处理能力，成为了研究热点。文本关联性计算作为信息检索处理中一项基础性技术，直接影响着检索结果的好坏。而传统的基于词语字符串匹配的方法已经不适用于解决今天复杂的语言关联问题。因此，本文提出一种基于语义的文本关联性分析方法，以语义为核心，构建文本间的关键词网络，分析文本间的语义关联性。论文的主要内容包括：　　 1、建立关键词网络分析论文要素及结构，介绍关键词特征，详细说明了首位置特征、首次出现位置特征POS、词频、TF×IDF、词性、文档长度等特征的基本思想和计算方法。讨论了四种常用的关键词抽取方法，并结合已有资源，决定采用基于统计的关键词抽取方法。最后定义关键词网络，并定义关键词网络中的“核心词汇”节点、“枝叶词汇”节点及“潜在词汇”节点。　　 2、研究并阐释两种知识表示体系：知网和概念知识树知识表达体系。　　 在知网中，义原是基本表达单元，而义项是由义原所组成的。知网通过一种知识描述语言来对每个概念进行描述；在概念知识树中，概念是基本表达单元，而我们用属性、关系和行为三方面对概念进行描述。我们结合两种知识表达体系，对自动化学科词汇进行语义分析。　　 3、分析文本关联性首先提出基于知网的词汇间相似度改进算法。在义原间相似度计算的改进算法中，我们考虑了概念层次树的深度和概念层次树的区域密度对义原间相似度计算的影响。在义项间相似度计算的改进算法中，我们采用分类讨论的方式解决义原加权的问题。然后分析自动化学科词汇的结构，提出自动化学科词汇的语义确定的算法以及计算自动化学科词汇间相似度的算法。最后，结合关键词网络，提出文本关联性的语义分析算法。