随着大数据技术和互联网的发展,信息飞速增长,文本作为信息的主要载体传递了多种多样的内容,故对短文本相似度进行研究。短文本相似度计算,指的是给定两个文本,通过某种方法或模型算出它们的相似度值,其在信息检索、智能推荐、问答分类等科学和工程领域具有重要的价值。目前,短文本相似度的研究可分为基于距离的无监督相似度计算和基于深度学习的有监督相似度计算。本文分别对这两种模型进行了研究,主要工作如下。本文首先对传统的基于距离的Jaccard系数、余弦相似度、编辑距离等计算文本相似度的方法进行了研究。传统的文本相似度计算方法大都从字形和词序来计算句子对的相似度,虽然可以较快的计算出相似度值,但是分类效果往往依赖于人为设置的相似度阈值,且不太理想。由于相似度阈值对文本相似度的计算具有重要的影响,本文设计了一种计算相似度阈值的方法,使得阈值的选择更加准确。在此基础上,提出一种Jaccard结合语义信息的混合文本相似度计算模型,提高传统模型的分类精度。在三个数据集上进行实验,并将该方法与传统的文本相似度方法进行对比。实验结果表明,基于语义的词向量可以有效提高传统的基于距离的文本相似度计算模型的精度。本文还研究了基于深度学习的有监督相似度计算模型,提出了一种基于BiLSTM和注意力机制的短文本相似度模型,其用孪生循环神经网络来研究短文本相似度问题,构建两个垂直方向完全一样的神经网络模型。使用word2vec词嵌入层模型来描述短文本的特征,其根据窗口大小来生成词向量。在嵌入层之后使用双向的LSTM提取句子更深层次的特征。LSTM具有记忆功能很适合处理时序数据。经过长短期记忆网络编码后,句子的关键部分并不能被体现,在此基础上加入最近流行的注意力机制,最后在全连接层计算句子对的语义相似度,并使用二分类交叉熵,准确率和方差作为评价标准。在MSRP数据集和Quora数据集上分别与其他模型对比,实验证明,从两个方向提取信息的BiLSTM比单向的LSTM效果更好,且注意力机制确实能够提升模型,取得较好的实验结果。