在工业4.0大环境下,机器人产业蓬勃发展,为了使机器人达到更高的智能程度,就需要一种智能推理机对实时问题进行推理、求解和学习。基于案例的推理因具有推理时间短且案例容易学习的特点被广泛应用到智能机器人中,案例推理和BDI模型结合可以解决案例推理不具有自主学习能力的缺点,将CBR-BDI推理机制应用到机器人中可以使其具有自主推理能力。在CBR-BDI推理机制中,案例检索是推理的第一步,而句子相似度算法在案例检索中占有十分重要的地位,相似度算法的准确度关系到推理的正确性。本文介绍了句子相似度算法在CBR-BDI推理机制中的重要性,通过分析现有的句子相似度算法优缺点,提出一种以句子中心词为基准衡量词语组合相对位置偏移量的句子相似度计算方法,将词语组合相对位置偏移量代表句子的结构信息和词序信息。首先,进行句子预处理,利用《知网》计算词语语义相似度,根据词语词性和语法规则确定句子中心词并剔除全局性限定词,然后以句子中心词为基准对词语相对位置进行标定并计算词语组合的相对位置偏移量,最后,综合句子长度差异性信息、浅层次结构信息和语义信息计算句子相似度。经过测试,该方法可有效提高综合指标F值。文章最后将改进的句子相似度算法应用到模块化机械臂分拣系统的CBR-BDI推理机制中,提高分拣系统智能性,使用户拥有更好的人机交互体验。