在中文信息处理中,文本相似度的计算广泛应用于信息检索、机器翻译、自动问答系统、文本挖掘等领域,是一个非常基础而关键的问题,相似度计算的方法目前也有很多种,针对总体研究情况来看,这些方法缺乏对文本的语义分析,本文主要考虑利用知网提供的词语标注从中文语义角度计算词语相似度,从而提高相似度的精度。作为相似度研究的一个基础环节,中文自动分词处理结果的好坏直接影响最后计算结果的准确性。文章介绍中文自动分词消歧技术的相关研究背景及发展状况。文中采用以语料库为手段的相对词频语境计算模型的算法先对中文文本词语分词消歧,从歧义字段的上下文中求得消歧信息,通过计算上下文信息来达到消歧的目的,使得分词效果较以往方法得到改善。经分词消歧后得到的特征词集利用基于知网语义词典,通过计算特征词之间的语义相似度,将原有特征集经过计算后分成若干特征词集。同一特征词集中的特征词语义相似度较大,而不同特征词集的特征词语义相似度较小。在此基础上,将同一特征词集的所有特征项的特征值相加,并将特征词集中的特征项浓缩成为一个独立的特征,把该方法通过应用在文本分类实验来说明其有效性。最后文章给出中文文本分词及相似度计算的计算机系统实现过程,并以大量文本为例进行了测试,对该系统的功能模块进行尝试性的实践,取得一定的效果。实验结果表明,采用的语义相似度计算方法是行之有效的。这一课题的研究及其成果对于中文信息处理中的多种领域,都将具有一定的参考价值和良好的应用前景。