文本的相似度计算是信息处理领域中一项基础而又重要的工作,它是实现文本数据挖掘的关键技术,许多重要的应用研究都与它相关。例如在文本复制检测、文本分类、文本聚类、信息检索等领域中,文本相似度计算都有着广泛的应用,值得我们进一步研究和探讨。缺乏坚实的理论依据和不能完全拟合文本的特性,是现有的文本相似度计算模型的弱点。中文文本的理解和处理相对于英文文本,则更加具有难度。为了能对现有的算法进行改进,本文详细比较了中文信息处理中的各种文本相似度计算方法,分析其特点和不足之处,提出了自己的改进方法：一个分阶段融合的语义相似度计算方法。最后,本文从文本相似度理论、方法和应用结合的角度出发,结合文本聚类的特点,探讨了文本相似度计算在文本聚类中的应用。本文主要工作内容如下：1)现有文本相似度计算方法研究。本文讨论了现有的几种相似度计算方法,介绍了相似度计算的关键技术和存在问题,为后续研究做好了理论基础；2)提出了一种新的分阶段融合的语义相似度计算方法。从语义角度理解汉语,比基于统计的方法更贴切。通过研究和对比,本文提出了从句子、段落到文本整体分阶段进行的计算方法,结合每个阶段的特点,分别融入了对文本语义的计算因素,力求最后的相似度计算结果更为准确。3)以文本聚类为例,把本文提出的相似度计算方法应用到文本聚类中去,具体说明了文本相似度计算的影响和应用。实验证明改进后的算法取得了更好的效果。