语言文字是信息的主要载体,现代社会对语言文字处理的要求越来越高。中文信息处理技术也随着计算机和因特网普及应用,面临着新的更大的挑战和机遇,语言文本处理的研究成为其中基础而关键的问题之一。全文相似度计算技术在自动文摘、知识挖掘、机器翻译、自动问答系统、信息检索及文档复制检测等领域有着广泛实际的应用。汉语全文相似度的计算包含词语的切分、词语语义及概念的研究、短语和句型的研究、语料库的建设、语言规则的研究等方面的内容。由于汉语本身的复杂性和进化性,汉语全文相似度的计算仍处在应用起步阶段,鉴于信息处理在国家信息化建设中的重要地位,对全文相似度计算进行深入的研究是非常必要的。针对目前全文相似度计算存在的问题,将基于统计方法和语言规则方法相融合来处理专门领域的问题是一个非常重要的趋势,本文做了以下的研究和探索:1.在文本句子层面,总结了国内外句子相似度计算方法的研究成果,分析了存在的问题和不足,在基于《知网》计算词语相似度的基础上,给出了句子相似度计算综合公式,研究了否定副词在句子相似度计算中的作用,设计了一种含有否定副词的句子相似度计算方法,通过实验证明,新算法在句子相似度计算中具有较好的效果。2.在文章层面,对全文相似度计算做了全面的分析和研究,总结了几种主要的全文相似度计算方法的优缺点,重点研究了基于向量空间模型的全文相似度计算方法,比较了几种常见的特征选择算法效果和应用范围。3.深入研究了具有一定结构形式的文章间相似度计算问题,设计了一种文章结构层次模型,将文章按照结构划分为句子、文章块和短文本三个层次。在此模型基础上,提出了一种基于文章结构层次的相似度算法,融合了句子、文章块和短文本相似度计算方法,并将其应用在全文相似度对比组件中。该方法结合了自然语言处理中基于统计方法和语言规则方法的优点,提高了计算结果的质量,具有较高的理论和应用价值。