這是兩個比較平淡的方法，屬於基線中的基線。看兩個例子就知道A:“怎麽蓋樓？”b:“高爾夫怎麽打？”丙:“房子怎麽建？”如果按VSM計算，很明顯BC比AC更相似，因為B和C同壹個字“怎麽樣”；編輯距離是壹樣的；
解決這個問題並不難，只要把所有的句子都通過同義詞詞典展開，“如何”、“如何”、“建築”、“房子”都是同義詞或近義詞，然後用vsm或編輯距離就可以解決這個問題。這種方法在壹定程度上解決了召回率低的問題，但擴展後不可避免地會引入噪聲，尤其是當原句包含多義詞時。比如:“醬油”“毛衣”。漢字中的壹些單字表達了相當多的意思。這類漢字在董振東先生的《知網》中有很好的語義關系。詞粒度的相似性可以通過知網中詞到義素的樹結構來度量。
這個問題在這裏似乎得到了很好的回答，但在實踐中還遠遠不夠。VSM把句子中的詞作為獨立的特征，忽略了句序和位置對句子語義的影響。編輯距離考慮的是句子中詞的順序關系，但這種關系是機械的替換、移動、刪除和添加。其實每個詞表達的信息是不同的，同壹個詞在不同的詞組合中包含不同的信息或者語義信息。句法分析呢，計算句法樹的相似度？這比前兩種方法更可靠，因為語法樹很好地描述了單詞在句子中的位置。實際效果需要通過實驗來證實。
對了，還有壹種方法，翻譯模型，這是IBM在機器翻譯領域的壹個創舉。要獲得理想的翻譯結果，需要大量的語料庫進行訓練。當然包括中間詞對齊的結果。如果能利用web資源建立壹個高質量的語料庫，通過EM叠代將相似句子對中的詞對齊，並從詞對齊中生成句子相似度，這。。想想還是個好辦法！