文本相似关系判断作为自然语言推理中一个典型的任务对象,在实际应用中有着非常广泛的场景。近些年来,随着三大电信运营商综合业务的不断发展及增大。单条告警信息衍生多条相似告警以及同一网元同一条告警反复出现等问题,导致告警工单问题层出不穷,人工处理困难。本文针对内蒙古电信分公司急需解决减少无效告警工单和传统告警信息关联方式关联能力弱的问题,将文本相似度计算应用于电信告警系统工单相似度关联中。并在ESIM（Enhanced LSTM for Natural Language Inference）模型的基础上利用Transformer作为特征提取器替换ESIM模型的特征提取部分,依据Transformer的自注意力机制和ESIM文本交互特性相结合,实现告警工单关联。改进模型与ESIM模型相比,将告警工单相似度计算的准确率提升了1.7%。其次,电信告警工单的相似度与工单的多个特征相关,文章在分析告警工单数据特点的基础上,提出了一种融合多特征的告警工单相似度计算方法。在实现充分提取告警工单信息量,以及保证相似度关联有较高准确率的情况下提升模型处理速度。该计算方法融合告警描述、网元名称、首次告警时间特征,并依据不同特征的重要程度赋予不同权重,归一化后实现工单相似度计算,使模型更符合电信实际需求。最后,构建告警工单匹配系统,其中包括登录模块、告警匹配模块,故障原因反馈模板模块。在实现对给定告警工单进行相似度关联的同时,为用户提供告警故障产生原因。