技术的进步和社会的发展使得互联网成为了人们日常生活中如影随形的必备物品,进而刮起的互联网化浪潮更是让人们在工作和生活中体验到了实质性的便利和高效。互联网凭借其技术优势依托于各种载体进行信息的传递,让人们成为了互联网化社会团体中的一个连接点。在这样一个互联世界中,追求的就是信息传递的高效和准确。硬件和基础设施技术的发展很好的解决了互联网追求的高效性问题。而准确性则不单单的依赖于基础技术的进步,落脚点则在算法和思想上,文本相似度计算就是算法分支的一个突破口和优化点,因此它一直以来都是研究的热点和难点。本文就旨在立足于前人的研究成果,着力寻找提升文本相似度计算的方法。已有研究成果基本分为两种方法:单一的余弦相似度方法和余弦相似度与语义相似度相结合的方法,通过对两种方法进行实验对比发现,余弦相似度与语义相似度相结合的方法取得的效果更加合理准确一些。余弦相似度计算相对简单,而语义相似度则更为复杂一些,多依托于语义网络或本体,而《知网》(HowNet)则是其依赖的一个权威知识库。本文就将《知网》作为研究对象,分析其建设原则和结构,发现了义原层次树的深度和局部密度影响语义相似度的计算结果,因此在考虑义原距离的基础之上,将义原层次树的深度和局部密度纳入到义原相似度计算的公式中。另一方面,根据《知网》的结构和语义描述,对《知网》中未登录的词语进行概念确定,进而计算其与其它词语之间的相似度。最后通过实验验证了本文提出的方法的合理性和可操作性,为文本相似度算法的优化和它在其应用领域的使用提供了参考。