文本相似度计算在信息检索、机器翻译、自动问答系统、有着广泛的应用,是数据挖掘的一项关键技术,许多重要的应用研究都与之息息相关。中文文本的理解和处理相比于其他语言更加具有难度,首先是中文中没有明确的词的界限,语义层次的分析也由于中文语法灵活带来许多挑战。本文研究了基于领域词典的中文文本相似度的计算,首先基于维基百科构建了科学领域的中文词典,通过对中文文本信息处理中的常用文本相似度计算方法进行比较,对其精确度和复杂度进行分析,针对其优缺点,提出了一个基于关键词(高频词汇的)语义相似度计算方法,并进行了验证。本文的主要工作包括：详细地介绍了相似度计算的几种比较常见的算法,并且分析了文本相似度计算的关键技术和存在的问题,在此基础上提出了相应的改进思路。提出了一种基于维基百科构建领域词典的方法,维基百科是一个开放性的知识平台,从中提取出系统性的领域词典,对中文信息处理中的许多应用都有很大的价值。提出了一种基于关键词的语义相似度计算方法。中文文本的相似度比较问题,由于汉语的特定的语言属性,从语义角度去理解汉语比从其他方法更加贴切。通过研究和对比,本文提出了先找两个文本的关键字,对关键字进行相似度计算,然后再对含有关键字的句子和段落进行相似度计算。力求最后的相似度计算在保证结果不会有很大偏差的情况下,复杂度能够尽可能的小。