随着商标数据的爆炸式增长,国内外发生的商标近似侵权案件越来越多,如何从海量商标数据中准确地检索出近似商标,从而辅助用户对商标进行调整,提高商标注册成功率,成为商标领域值得研究的一个问题。目前,短文本相似度计算方法广泛用于商标领域中,现有中文商标相似度计算主要是从字形、拼音及含义这三个角度出发,在字形和拼音角度存在近似判定因素单一片面的问题,在含义角度存在同义词识别不准,知识库有限和相似度计算结果不准确的问题。因此,本文首先根据《商标审查及审理标准》中关于中文商标的近似审查内容提炼出了汉字构成、逆序、形、音、增删个别汉字、字词重叠及含义等七个近似判定因素,然后根据前六个因素提出商标字面相似度计算方法,根据含义因素提出商标含义相似度计算方法,最后将两个方法融合并应用于智能商标检测系统中,从而辅助用户评判近似商标,提高了工作效率。本文主要围绕商标字面相似度计算方法、商标含义相似度计算方法和基于相似度计算方法的智能商标检测系统三个方面进行研究。本文主要工作如下:（1）在字面相似度计算方面,针对现有基于字符串的短文本相似度计算方法只能从汉字构成、字形或拼音上衡量商标相似度而过于单一片面的问题,提出了基于多要素审查的商标字面相似度计算方法。该方法首先利用所提的偏旁部首相似度系数改进了音形码相似度计算方法,然后融合了改进的音形相似度与公共汉字个数构建DamerauLevenshtein距离矩阵,并设置重叠参数构造双曲正切函数计算出商标字面相似度,综合考虑了汉字构成、逆序、形、音、增删个别汉字、字词重叠等六个因素,更全面地反映了商标近似评判的特征。最后本文通过对比实验验证了该方法在商标字面近似判定中比现有方法更具优越性。（2）在含义相似度计算方面,针对现有基于本体知识的短文本语义相似度计算方法中同义词识别不准,知识库有限和相似度计算结果不准确的问题,提出了基于多源知识数据融合的商标含义相似度计算方法。该方法首先针对同义词林、知网两种本体分别构建符合商标审查标准的同义词库,接着利用Word2Vec深度学习模型训练维基百科中文语料库得到词向量模型,再采用一种动态加权策略将上述步骤得到的词语之间的词林相似度、知网相似度及Word2Vec相似度的综合值作为词语相似度,并代入相关公式计算出商标含义相似度,使结果更加均匀化和合理化,极大地扩充了可计算词语的范围。最后本文通过对比实验验证了该方法在商标含义近似判定中比现有方法更具优越性。（3）针对商标从业人员不能充分利用海量商标数据,准确地检索出与待申请商标相同或近似的商标的问题,设计并实现了基于相似度计算方法的智能商标检测系统。该系统基于上述商标相似度计算方法,实现了商标近似检测模块,系统还实现了数据管理模块、辅助业务模块和系统管理模块来辅助用户更高效地管理和检索商标数据。综上所述,本文将商标字面和含义相似度计算方法与商标近似检测相结合,实现商标智能检索,能够让用户利用海量商标数据更高效地完成商标的近似判定工作,大大降低了商标被驳回的风险。