随着移动智能终端设备,社交网络的普及与发展,新闻摘要、微博博文、商品评论等短文本数据大量涌出,如何从海量的短文本数据中挖掘出具有商业价值的信息成为众多中文自然语言处理研究学者关注的课题。文本相似度作为机器翻译、情感分析、信息检索等人工智能商业应用的核心工作,发挥着巨大作用。本文围绕中文短文本,对如何精确挖掘歧义词汇语义特征信息,并与文本整体语序结构有效结合,进行相似度计算开展了研究,主要工作如下:⑴针对传统基于字符统计的方法只能对文本字词进行浅层统计,基于语义词典和句法依存分析的方法存在特征表达主观性较强,知识库局限的问题,提出一种Word2vec结合改进DTW算法与匈牙利算法的语义相似度计算方法。通过Word2vec对大规模文本语料进行训练,获取客观表达字词特征信息的词向量,将词向量转换成空间中的点,短文本词向量序列转换成空间中的点序列,通过加权公共子序列长度优化的DTW算法与匈牙利算法计算点序列连成的曲线之间的对齐距离,依照对齐距离越小相似程度越高的原则来计算短文本之间的相似度。⑵针对静态词向量无法有效结合当前上下文语境,区分歧义词汇特征信息表达的问题,提出一种BERT结合时间翘曲距离的语义相似度计算方法。通过BERT模型特殊的掩码训练机制与自注意力语义增强机制对短文本从整体层面进行语义特征提取,将提取到的短文本特征向量转换成空间中的点序列,通过CTW算法计算点序列连成的曲线之间的时间翘曲距离,依照时间翘曲距离越小相似程度越高的原则来计算短文本之间的相似度。实验结果表明,本文所提出的Word2vec结合改进DTW算法与匈牙利算法的相似度计算方法能够根据语序的凌乱程度,对语义相近的短文本进行良好的相似度等级划分,对一般场景下的短文本,能够进行合理有效的相似度计算。本文所提出的BERT结合时间翘曲距离的相似度计算方法能够较好地挖掘歧义词汇特征信息,对短文本之间的相似度进行有效的计算,相较其他方法,对词汇歧义的短文本有更为精准的区分。