文本蕴涵定义为两段文本在语义之间的蕴涵关系,如果某段文本H所包含的意义可以从另一段文本T的意义中推理出来,那么就说T蕴涵H,即H是T的推断。文本蕴涵推理是自然语言处理的领域的关键和前沿问题之一,也是机器阅读的核心技术,它表现了人工智能中复杂性和自然语言的不确定性。另外,许多自然语言理解的任务,包括自动问答、信息检索与提取、机器翻译等都以该研究为核心,因此,文本蕴涵的方法具有重大的研究意义。以往的文本蕴涵推理研究采用了主要采用字符串相似度、一阶逻辑和树匹配等方法。课题应用并改进了多种现有的自然语言处理工具,包括词性标注、共指消解和命名实体识别等,并使用了WordNet, VerbOcean等多种语义资源库,实体知识库以及维基百科的文本和实体类别信息等资源。针对现有系统和研究方法的不足,本课题使用了基于TF/IDF的词重叠计算方法,使用词频和文件频率的乘积来区分各个单词的重要程度。课题改进了传统的基于依存语法树的句子结构匹配方法,实现了一个高性能的文本蕴涵推理系统。本课题所研究与实现的系统(BUPTTeam)在2011年NIST组织的文本蕴涵推理的第7届官方评测]TAC-RTE7中结果优异,系统的精度为45.02%,召回率为44.95%,F值为44.99%,在参赛的13个队伍中获得了第3名。