隨著互聯(lián)網(wǎng)的迅速普及和發(fā)展，人們從萬維網(wǎng)上獲取信息的途徑和速度得到極大的拓展和提高，在獲得信息的同時(shí)，對(duì)信息處理也提出了相應(yīng)的需求。目前，在信息的表示中，聲音、圖形、圖像、文本等類型眾多，但是文本仍然是這些類型中最主要的表示載體之一，在信息處理領(lǐng)域中，對(duì)于文本聚類、分類、查重等領(lǐng)域往往需要計(jì)算兩個(gè)文本之間的相似度，而且相似度計(jì)算往往是其他處理步驟的前提和基礎(chǔ)，相似度的計(jì)算往往決定著后續(xù)處理過程的準(zhǔn)確性和有效性。

　　文本相似度是衡量多個(gè)文本之間在表述內(nèi)容方相似程度的一個(gè)具體數(shù)值，這個(gè)數(shù)值越大表明互相比較的兩個(gè)文本之間在內(nèi)容方面交集越大，否則就表示相比較的文本之間在內(nèi)容上相互交集的內(nèi)容越少。相似度的計(jì)算目前已經(jīng)應(yīng)用到很多的領(lǐng)域，在機(jī)器翻譯領(lǐng)域需要通過文本相似度來選取平行語料、在信息檢索。領(lǐng)域需要通過文本相似度來擴(kuò)展或者縮減檢索的范圍，從而獲得用戶最希望得到的結(jié)果，自動(dòng)問答領(lǐng)域中往往需要問題自動(dòng)分類以及答案聚類，這些都需要進(jìn)行文本相似的計(jì)算，文本聚類和文本分類的核心問題就是將相似的對(duì)象歸為一類，所以文本相似度的計(jì)算是一個(gè)非常重要和非?；A(chǔ)而且關(guān)鍵的一個(gè)技術(shù)問題。
?