句子相似度计算在自然语言处理领域是一项基础而核心的研究课题,它的研究状况直接决定着其它一些相关领域的研究进展。例如:在自动问答、机器翻译、智能检索等领域,句子相似度计算都是其中关键的技术。本文分别对义原、词语、句子三个层次的相似度计算进行了研究,其中重点研究了句子相似度计算。针对目前句子相似度计算方法的种种不足,提出了融合多元信息的句子相似度计算方法,并通过实验,验证了该方法的有效性,最后结合金融领域自动问答系统,给出句子相似度计算在常见问题库(FAQ)中的应用。本文主要工作有如下几个方面:1.研究了词语相似度及其计算方法,利用《知网》提供的丰富语义信息,计算义原相似度,在此基础上改进了基于《知网》的词语相似度计算方法。2.提出了融合多元信息的句子相似度计算方法。该方法从不同的角度综合考虑句子的关键词信息、语义信息、句法结构信息,并从中提取句子长度、相同关键词的个数、关键词顺序和关键词距离等多元信息,运用加权求和的融合手段,确定句子间的相似度。3.融合多元信息的句子相似度计算方法中需要解决多元信息之间的权重分配问题,本文采用遗传算法寻求最优权重组合,避免了通过经验确定权值的不可靠性和主观性。4.设计了一个金融领域自动问答系统(BAQS)模型,把句子相似度计算用于金融领域自动问答系统中常见问题库(FAQ)的问句匹配,并给出了句子相似度计算在FAO库中的应用过程。