文本相似度,即文本间语义的相似程度,并以此判断不同文本间是否表达相同的语义。文本相似度,在智能客服、智能语音、搜索引擎、推荐系统等领域具有广泛的应用。文本相似度计算有较长的研究历史,最初的方法都是基于文本的统计信息,这类方法原理简单、易于实现,然而早期的方法无法准确理解文本的语义信息。随着深度学习技术的成熟,大量神经网络模型被用于计算文本相似度,并取得了良好的效果。本文是基于中文的文本相似度计算,目前,该领域基于中文数据的文献相对稀缺。同时本文聚焦于短文本,这类文本,内容短小,特征不明显,并且中文存在着词兼类、分词等一些列的问题,也会影响文本匹配的结果。本文设计了Bi GRU+Attention机制的模型,用于计算中文文本相似度,旨在证明Attention机制对于文本相似度任务的提升作用。模型的主体框架是Encoder-Decoder,而Bi GRU模型作为该框架两端的基础模型,能够解决长序列依赖问题,并且能很好的捕捉双向语义信息,再配合Attention机制,可以提升文本相似度任务的正确率。该模型中会适当的加入Batch Normalization层和Dropout层,以提高模型收敛能力,防止过拟合。并采取Attention增强操作,增强Decoder层的信息推导能力。本文总共使用了四个数据集,并进行了四项实验,前三项实验都是基于ATEC比赛数据集,该数据包含102477条样本。由于该数据集正负样本分布不均衡,实验采用F1 Score去衡量模型对于文本相似度任务的表现。由于样本不均衡对模型的实验结果影响较大,为了尽可能消除样本不均衡的影响,后续实验在模型的损失函数中调整了正负样本的权重,并改变了模型打标签的标准。实验结果表明,一定程度上消除样本不均衡的影响,能显著的提高模型的泛化能力。随后在词水平(word level)和字符水平(char level)分别建立模型,对比模型的性能。实验结果显示,样本权重经过调整后,词水平和字符水平上,模型泛化效果相差不大。第四个实验是在其余三个数据集上进行的,这三个数据集是自然语言推断常用数据集的汉化版。本文将所设计的模型与业界常用模型作对比,并列出了模型训练所需的时间。实验结果显示,本文模型除了与BERT微调后的模型有一定差距,与其他业界模型并无明显差别,同时能够更快的收敛。