随着现代科技的发展,人们对智能化的需求越来越高,从而也促进了人工智能的发展。以前,人工智能的发展主要是让计算机去做一些逻辑相对固定的、计算量相对较大的事情,将人们从简单的劳动中解脱出来。现在,人们不再满足于这些简单的智能操作,而进一步要求计算机能够像人类一样进行思考并能通过自然语言与人类对话,这就需要计算机能够理解人类的语言。而人类语言的文本常常以句子的形式存储在计算机上,因此首先要求计算机能够理解单个的句子。其中,句子之间相似度的计算就是自然语言处理的一个重要方面。本文根据汉语句子的结构复杂、词语一词多义和多词一义的特点,提出了基于语义的杂合句子相似度计算方法。此方法从句子结构、句法特征和修饰词三个方面对句子进行分析计算:1)句子结构:句子包含有句子长度、句子中相同词的个数、词语在句子中的排列次序和两个句子相互转化的编辑次数等结构特征。在计算句子结构特征相似度时,综合考虑句子表层结构特征,根据每种结构的变化对语义的影响程度的不同,为每一种特征赋一个权值,然后根据每种特征计算的相似度进行加权求和,最终得到句子结构相似度。2)句法特征:首先对句子进行分词,将句子分解为词语组成的集合,这样使原来具有结构化的句子变为无结构化的独立的词语集。然后通过句法分析和词语依存关系将这些无结构化的词语转换为一个或多个具有“主语+谓语+宾语+介词短语”结构的简单句子,通过计算简单句子间的相似度来最终确定句子相似度。同时,在计算每一对具有“主语+谓语+宾语+介词短语”结构的简单句子的相似度时,考虑每种句法成分之间的不可置换性,本文进一步融合了成分信息,最终通过主语和主语、谓语和谓语、宾语和宾语以及介词短语和介词短语之间的对比进行相似度计算。3)修饰词:本文把修饰词分为三类:正面情感词语、负面情感词语和程度级别词语。在这三类修饰词中,优先考虑程度副词对句子语义的影响,融入程度副词后的句子相似度仍然大于某一阈值,再考虑正面情感词语、负面情感词语对句子相似度的影响。本文在计算句子相似度时,首先计算基于结构的句子相似度,然后通过词语之间的相似度计算基于句法特征的句子相似度,在基于句法特征相似度的基础上融入修饰词,得到基于修饰词的句子相似度,最后将基于结构的句子相似度和基于修饰词的句子相似度加权求和,最终得到句子相似度。本文通过皮尔森相关系数以及正确率、召回率和F值来评判相似度计算方法的优劣,通过实验计算得到基于结构、句法特征、修饰词和杂合的相似度计算结果分别与人工判定值进行比较,得到的Pearson相关系数分别为:0.42、0.54、0.83和0.89。基于语义的杂合句子相似度计算结果的正确率、召回率和F值分别为:84.85%、93.33%和88.89%。