多个匹配孤存词对，也有可能未能得到任何孤存词对。
[0030] 步骤S22 :将所有的匹配孤存词对的相似度贡献值G求和，得到孤存词相似度总贡 献值G总。
[0031] 步骤S3:根据公式
H十算S頂(A，B)，其中S頂(A，B)表示第 一句子和第二句子的句子相似度，奚表示第一句子对应的第一句向量，§表示第二句子对 应的第二句向量。
[0032] 需要说明的是，将第一句子和第二句子分别表示为第一句向量表和第二句向量 百，改过程与【背景技术】中提到的"余弦相似度"技术中相同，故此处不赘述。
[0033] 由于步骤S2中已经阐明，所有第一孤存词与所有第二孤存词之间的相似程度越 高，6, &数值越大，因此计算得到的第一句子和第二句子的句子相似度S頂(A，B)越大。
[0034] 由上可知，根据本发明实施例的句子相似度计算方法，考虑了重复词之外的孤存 词之间的语义相似性质对句子相似度的贡献，因此具有考虑全面周到，计算结果准确度高 的优点。
[0035] 在本发明的实施方式中，步骤S21的具体过程可以包括步骤S211至步骤S214 (图 1中未示出）。
[0036] 步骤S211 :确定当前所有第一孤存词和所有第二孤存词的并集集合中的词权重 最大词X。
[0037] 要说明的是，某个词语的词权重越大，说明该词语在句子中的意义越重要，越优先 进行匹配。例如实词的词权重通常大于虚词（例如"的"）的词权重。词权重可以通过查询 语料数据库获得，它是一个确定的数值，不因为所在的句子不同而不同。例如："明天是星期 一"和"会议安排在明天"两个句子中，"明天"一词的词权重是相同的。通常地，词权重可 以米用词频 -逆文档频率（term frequency-inverse document frequency，TF-IDF)，该 TF-IDF是一个正数。
[0038] 步骤 S212 :根据公式 G(X) = max {ffxXWYiX similarity (X，Yi) I Yi e 集合 U}计算 G(X)。其中：G(X)表示针对词语X进行语义配对得到的匹配孤存词对的相似度贡献值。集 合U在X是第一孤存词的情况下表示当前所有第二孤存词构成的集合，集合U在X是第二 孤存词的情况下表示当前所有第一孤存词构成的集合。Yi表示集合U中的元素。W x表示 词语X的词权重，WYi表示词语Yi的词权重，similarity (X，Yi)表示X与Yi的词义相似度 且取值范围为[0，1]。
[0039] 需要说明的是，步骤S212可以理解为，如果词语X是第一孤存词，在当前所有第二 孤存词中选出最匹配者与该第一孤存词X进行匹配；如果词语X是第二孤存词，在当前所有 第一孤存词中选出最匹配者与该第二孤存词X进行匹配。
[0040] 还需要说明的是，Wx、WyJp similarity (X，Yi)均可以通过查找语料数据库得到或 者预先计算得到，是已知的参数。由于WjPW Yl为正数，并且similarity (X，Yi)为非负数， 因此G(X)也为非负数。
[0041] 步骤S212 :判断G(X)是否大于0。如果G(X) > 0,则确认X和所述G(X)对应的 Yi两个词成功地匹配为孤存词对，记录该孤存词对相似度贡献度G = G (X)，并且将该孤存 词对从所述并集集合中删除。如果G(X) =0,将所述X从所述并集集合中删除。
[0042] 换言之，如果成功匹配得到了孤存词对，那么将参与配对的两个孤存词从并集集 合中删除。如果匹配失败，则将X从并集集合中删除。无论是上述两种情况中的哪种情况， 并集集合中的元素是逐渐减少的。
[0043] 步骤S214 :判断所述并集集合是否为空集，如果否，跳至步骤S211。即，重复执行 步骤S211至步骤S213,直至并集集合变为空集。
[0044] 为使本领域技术人员更好地理解，下面用本发明的计算句子相似度的方法来计算 句子①"这可以无理由退吗"和句子②"能退货么这个"的相似度。
[0045] (1)对句子①和句子②分词，得到"这个I可以I包邮I帝都I吗"和"北京I上 海I免运费I么I这个"。两个句子的分词结果中，"这个"一词雷同，其余八词不雷同，因此 两个句子中共有九个词。对这九个词编排向量维度下标，并且从语料数据库查找各个词的 TF-IDF值作为该词的词权重（记为W)，如表1所示。
[0046] 表1句子分词结果所对应的向量维度下标以及词权重
[00471
[0048] 因此，将句子①和句子②分别写成向量形式如下：
[0049]
[0050]
[0051] (2)剔除雷同词"这个"一词之后，剩下八个孤存词。将八个孤存词根据词权重进 行排序，得到有序集合{包邮，免运费，帝都，上海，北京，么，可以，吗}。假设查询语料库数 据可以知道词和词之间的相似度（similarity)如表2所示：
[0052] 表2词与词之间的相似度数据表
[0053]
[0054] 首先为句子①中的"包邮"一词在句子②中剩下的"北京"、"上海"、"免运费"和 "么"四个词中进行匹配。计算：
[0055] W包邮 XW北京 X similarity (包邮，北京）= 7X4. 3X0 = 0
[0056] W包邮 XW上海 X similarity (包邮，上海）= 7X4. 8X0 = 0
[0057] W包邮 XW免运费 X similarity (包邮，免运费）=7X6X1 = 42
[0058] W包邮 XW么 X similarity (包邮，么）= 7X1X0 = 0
[0059] G(包由= max{W包邮XW北京XsimiIarity (包由β，北京），W包邮XW上 海Xsimilarity(包邮，上海），W包邮XW免运费Xsimilarity(包邮，免运费），W包邮XW 么X similarity (包邮，么）}= W包邮X W免运费X similarity (包邮，免运费）=42 > 0
[0060] 由上可知，"包邮"和"免运费"最匹配，成功地组成孤存词对且该孤存词对的相似 度贡献值为42。删掉"包邮"和"免运费"两词。
[0061] 然后为句子①中的"帝都"一词在句子②中剩下的"北京"、"上海"和"么"三个词 中寻找匹配词。计算：
[0062] W帝都 XW北京 X similarity (帝都，北京）=5X4. 3X1 = 21.5
[0063] W帝都 XW上海 X similarity (帝都，上海）=5X4. 8X0. 2 = 0· 018
[0064] W帝都 XW么 X similarity (帝都，么）= 5X1X0 = 0
[0065] G (帝都）=W帝都 X W北京 X similarity (帝都，北京）=21. 5 > 0
[0066] 由上可知，"帝都"和"北京"最匹配，成功地组成孤存词对且该孤存词对的相似度 贡献值为21. 5。删掉"帝都"和"北京"两词。
[0067] 然后为句子②中的"上海"在句子①中剩下的"可以"、"吗"寻找匹配词。计算：
[0068] W上海 XW可以 X similarity (上海，可以）=4. 8X0. 6X0 = 0
[0069] W上海 XW吗 X similarity (上海，吗）=4. 8X0. 3X0 = 0
[0070] G (上海）=0
[0071] 由上可知，"上海"在句子②中没有近似的匹配词。删掉"上海"一词。
[0072] 然后为句子②中的"么"在句子①中剩下的"可以"、"吗"寻找匹配词。
[0073] W么 XW可以 X similarity (么，可以）=1X0. 6X0 = 0
[0074] W么 XW吗 Xsimilarity(么，吗）=1X0. 3X0. 7 = 0· 21
[0075] 6(么）=￥么><￥吗\8；[111；[1已1'；^7(么，吗）=0.21>0
[0076] 由上可知，"么"和"吗"最匹配，成功地组成孤存词对且该孤存词对的相似度贡献 值为0.21。删掉"么"和"吗"两词。
[0077] 然后，并集集合中剩下唯一的第一孤存词"可以"，句子②中无剩余词与"可以"匹 配。删去"可以"。
[0078] 最后，并集集合为空集，匹配过程结束。
[0079] 至此，完成了句子①和句子②中所有不相同的词语的匹配工作。计算：
[0080] Ga= 42+21. 5+0. 21 = 63. 71
[0081] 按照本发明的方法最后一步骤计算句子相似度S頂(A，B):
[0082]
[0083] 说明句子①和句子②相似程度较高。
[0084] 而按照传统方法计算结果为
'认为句子①和句子② 的相似程度很低。由此可见，本发明与传统方法相比，本发明的计算结果更符合实际情况， 准确度更