随着计算机网络及应用技术的飞速发展,Internet成为信息存储和交流的主要渠道,但同时也引发了信息爆炸式增长的灾难,因此数据挖掘、信息检索和文本分类等信息处理技术应运而生,作为这些信息处理技术的基础,文本相似性度量技术有着深刻的研究意义和广泛的应用前景。本文针对文本相似性度量中的相似度阈值、准确率、召回率、shingle滑动窗口大小、shingle权重门限、shingle抽取率和文本属性等参数相互影响、关系复杂的问题,首先以文本相似性度量的实现过程为线索,对文本数学表示、特征生成、特征选择和相似度计算等关键技术进行了详细的分析；在此分析基础上实现并比较了两种最具典型性的文本相似性度量算法：基于特征向量的算法和基于shingle的算法；然后结合shingling算法的实验,研究了这些参数之间的相关性,最后提出了shingle滑动窗口大小、shingle权重门限和相似度阈值等参数可优化配置的建议,分析与设计了相似度阈值等参数可适应的相似性度量算法。通过某基金2009年的7378个项目申请书的比对分析,结果表明：这种相似度阈值等参数可适应的算法不但适用于大规模的文本集合,而且在短小的文本集合中进行相似性度量也具有很高的实际利用价值,其准确率和召回率均可高达95%以上。