句子的相似度是指两个句子的相似程度,句子相似度的计算在人工智能大火的如今也受到了很大的关注,例如在问答系统中,检索对话中相似句等自然语言处理的方向中,句子相似度计算起着至关重要的作用。平行语料库的构建,是双语机器翻译的基础,在此基础之上,可以进一步进行双语的其他研究。双语平行语料库的建立也是许多自然语言处理研究的重要基础资料。作为翻译的研究重要前提,双语句子平行语料库的建立无疑成为了重中之重,而双语句子相似度的计算是构建平行语料库的基础。平行语料库的好坏与否,直接影响到了后面语言研究的效果。目前,老挝语的自然语言处理过程当中,语料问题是亟待解决的一个问题,老挝语与中文的研究目前还处于初级阶段,本文基于这样的一个实际情况,通过研究如何使用光学字符识别(Optical Character Recognition,OCR)方法获取老挝语语料,并在原有人工收集以及网上爬取的老-汉双语语料的基础上,利用深度学习的方法研究老-汉双语句子上下文信息以计算出双语句子相似度,最后在已有的上下文信息中,融入老挝语与中文中一些特征,进行双语句子相似度的计算。具体研究内容如下:(1)光学字符识别的老挝语语料获取目前,世界范围内光学字符识别(Optical Character Recognition,OCR)技术的研究主要是针对中文、英文等主流语种,本文针对老挝语纸质资料人工数字化录入过程中速度较慢,精确度受录入者水平影响的问题,提出一种基于卷积神经网络的老挝语印刷体光学字符识别方法,根据数字图像技术、卷积神经网络技术,根据老挝语语言特征,实现老挝语印刷文本字符识别的技术,以此方法来获取语料。(2)融入上下文及共现词的老-汉句子相似度计算本文通过现有的数字语料提出了一种基于孪生网络(Siamese network)的老-汉双语句子相似度计算方法。并神经网络层使用Bi-LSTM算法来构建孪生网络,共享参数,分别对中文和老挝语进行训练,得到句子的语义特征,并在最后将两个网络得出的向量进行距离向量的计算,最终输出为句子与句子之间的相似度。在通过Bi-LSTM得出上下文信息的相似度后,结合句子中的共现词信息,来增加计算结果的准确率。实验证明,该方法能有效地计算老-汉双语句子相似度。(3)融合句长、共现词、词汇信息的老-汉双语句子相似度计算当前,老-汉双语语料存在比较匮乏的情况,在单纯通过Bi-LSTM算法的自动提取上,仍然受到很大的限制。为了进一步提高计算句子相似度的准确率,本文在孪生网络的基础上,进一步对老挝语以及中文句子进行分析,结合句子中的共现词特征、句长特征以及词汇特征进行汇总,通过特征融合的方式来达到提高计算结果得效果。