语义相似度计算,也称语义相关度计算,是自然语言处理中最常见,也是最重要的工作之一。机器翻译、词义消歧等需要处理语义信息的任务,都与语义相似度计算有着紧密的联系。评价一个语义学习算法是否优秀,往往通过将标准测试集的内容作为语义学习算法的输入,将算法结果与测试集结果进行一致性检验,一致性越高表示效果越好。因此,一个客观、公正的语义相关度标准测试集,可以更加全面地评价一个语义学习算法的优劣。本文的第一部分工作,是借助于传统的统计方法和认知神经科学实验方法,来构造语义相关度标准测试集。从部分词对的比较,以及与其他现有的标准测试集比较可以发现,本文构造的语义相关度标准测试集主要包括语义相似、语义相关、语义不相关三个部分,整个测试集在人为打分结果上一致性很高,并且事件相关电位(ERPs)实验表明对于语义相似、语义相关、语义不相关三类词语,人脑在语言认知处理过程中体现了不同的处理过程。最终,所得的标准测试集分数分布较为均匀,相比于现有的部分测试集,描述词语之间的相似程度更加准确,同时对现有的词向量训练工作评价效果与现有数据集效果一致。词向量,又称词嵌入,是指借助于分布式表达的概念,将每个词语的语义通过语义空间内的一个向量进行描述,从而所有与语义有关的计算全部可以转换成为对应向量的计算。生成一套好的词向量,对于自然语言处理其它任务的效果都有着很重要的影响。现有流行的词向量训练方法,是通过一个给定的大规模语料,将窗口同现信息转换为相应参数的误差传播与矫正,最终达到同现程度高的词语对应词向量余弦值高的目的。本文的第二部分工作,是在传统的词向量训练方法上,结合进知识库的词语义项信息,通过每个词语对应的义项信息和词语与词语之间的同现信息,来对词向量进行联合训练,以此来达到提高训练效果的目的。