词向量是词语的一种分布式表示方法,它将词语映射为一个定长的连续的稠密向量,这种表示方法能够有效和灵活的保有先验知识信息,通过将其集成到具体任务中可以在自然语言处理的多个研究领域取得较好效果。语义相似度可以定量的衡量两个词语或概念之间的相似性,是自然语言理解的基础,并被广泛的应用于自然语言处理相关的任务中。本文从词向量的角度分析语义相似度相关问题,并提出一种多语义词向量训练模型,以改进词语与词语,句子与句子之间的语义相似度效果。传统的词向量训练模型由于没有区分词语的不同语义,使得一个词语只能使用一个向量来表示,并不能解决一词多义的问题。多语义词向量通过将词语的不同语义分别映射为不同的词向量来解决多义词词向量表示的语义混淆问题。本文通过使用词义消岐相关技术对维基百科数据集进行预处理获得可以区分多义词不同语义的标注语料库,然后利用改进的词向量模型训练多语义词向量表示,并将其应用于句子相似度的计算中,具体研究内容包括:(1)基于循环神经网络词义消岐模型。为了能够区分词语在句子中的不同词义,本文提出了一种基于循环环神经网络的词义消岐模型,通过利用双向LSTM捕捉多义词上下文语序特征改进传统词义消岐模型中不足,在模型构建中我们引入了基于注意力模型的状态叠加机制以更好提供消岐特征。实验结果表明,我们的模型在数据集Semeval2007和Semeval2013中取得了较好效果。(2)多语义词向量表示与其相似度计算。本文提出了一种基于改进GloVe模型的多语义词向量表示方法,通过利用词义消岐相关技术对语料库中的多义词进行词义标注获得能够区分多义词不同词义标注语料库,然后,使用标注语料库和本文提出的训练多语义词向量的方法训练不同语义下词向量表示,解决了传统词向量训练方法中的多义词语义混淆问题,并给出了平均语义相似度和最大语义相似度两种多语义词向量相似度计算方法。最后,给出了模型在邻近词和词语相似性数据集上的实验分析,实验结果表明,通过我们的模型获得的词向量能够区分多义词的不同语义,并在词语相似性数据集SCWS上取得了很好效果。(3)基于多语义词向量句子相似度计算。除了使用传统的循环神经网络计算句子语义相似度之外,本文给出了多语义词向量在句子相似度计算中使用方法。首先,我们介绍了使用LSTM构建的孪生神经网络在句子相似度中的计算方法;然后,提出了简单语义平均和基于注意力机制模型两种方法完成多语义词向量与LSTM整合;最后,我们给出了多语义词向量表示方法与传统词向量表示在句子相似度计算中的实验结果对比。