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。只要把所有的句子通過同義詞詞典展開，“怎麽樣”、“怎麽樣”、“樓”和“房子”都是同義詞或近義詞，展開後用vsm或編輯距離就能解決問題。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。尤其是如果原句含有多義詞，比如“醬油”、“毛衣”，漢字中的壹些單個詞就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解釋，可以通過知網中從詞到義素的樹形結構來衡量詞粒度的相似度。
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的方法把句子中的詞作為獨立的特征，忽略了句序關系和位置關系對句子語義的影響；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。事實上，每個單詞表達的信息量是不同的，同壹單詞在不同的單詞組合中所表達的信息或語義信息是不同的。這種方法比前兩種方法更可靠，因為句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結果。如果我們能夠利用網絡資源建立壹個高質量的語料庫，通過EM叠代來對齊成對的相似句子，那麽句子相似度將從單詞對齊中產生。這是個好方法！