什么是语义相似度？AI 怎么判断两句话意思一样

「怎么重置密码」和「我要改密码」，字面上没有一个共同词，但人和 AI 都知道它们说的是同一件事。判断两句话意思是否一样，靠的就是语义相似度。它是语义检索、问答匹配、文本去重这些 AI 能力的地基。

它怎么算：把句子变成坐标

先由嵌入模型把每句话转成一串数字（向量），再计算两个向量之间的距离或夹角。距离越近、夹角越小，意思越接近。最常用的度量是余弦相似度，取值在 -1 到 1 之间，越接近 1 表示方向越一致。这个「文字转坐标」的能力，来自 大语言模型 的嵌入层以及专门的嵌入模型，是后面一切相似度计算的前提。

三个比关键词匹配强的地方

关键词匹配只能对「字面」负责，语义相似度对「意思」负责。其一，不受用词影响：同义、近义、口语化表达都能对上；其二，能跨语言：中英文里表达同一含义的句子可以落在相近位置；其三，能捕捉一定语气：疑问和陈述在向量上也有差异。这三点决定了它适合用在客服工单归类、知识库去重、相似问题推荐这类「人怎么问都可能」的场景。

不过，「强」是相对关键词匹配而言，不是绝对的准确。相似度给出的是一个连续分数，从「完全不相关」到「几乎同义」是一个渐变的区间，中间有大片灰色地带。真正决定它能不能用的，是下游拿这个分数去做什么：直接卡一个阈值做自动决策，出错概率高；把它当候选排序的信号，再交给规则或人工兜底，风险就小得多。理解这一点，就能解释为什么有的「智能匹配」会犯低级错误。

余弦相似度怎么读

这个值衡量的是方向，不是距离的绝对值。两条向量方向一致、长度不同，余弦值照样接近 1，所以在很多短句匹配场景里它比欧氏距离更稳。但要注意：余弦值高，只说明「方向像」，不代表「语义完全等价」，最终还要靠阈值来判断「算不算同一个意思」。阈值没有通用最优解，只能拿自己的业务数据试出来——这也是 RAG 评估 反复强调的：检索好不好，必须回到真实数据上量。

它在哪里失效

语义相似度不万能，几个经典陷阱要提前知道。下面这张表列出最容易翻车的三种情况。

否定句是其中最隐蔽的一个：「可以」和「不可以」只差一个字，向量可能几乎重合，系统却会给出完全相反的结论。因此涉及「是否允许、能否操作」的场景，不能只靠相似度打分，还要叠加规则或关键词校验。

阈值不是越严越好

阈值调高，会把真正相似的也漏掉；调低，会把不相关的也拉进来。这个值没有放之四海皆准的标准答案，只能在自己的数据集上用标注样本反复试。工程上的常见做法是先取一小组样本人工标「像／不像」，再画阈值与准确率的关系曲线，挑一个平衡点。和 语音评测 里跟读打分要按发音相似度定分数线一样，都是「阈值跟着业务走」。

速查：相似度该不该信

• 余弦值高不等于语义等价，最终看阈值
• 否定、许可类表达，必须叠加关键词或规则校验
• 行业语料先评估嵌入模型是否覆盖，再谈准确率
• 长文档先切块再算，别整篇压成一个向量

它不做什么判断

语义相似度只衡量「意思像不像」，不判断「这句话说得对不对」，也不做推理。它能告诉你两条工单是不是同一类问题，却无法告诉你该怎么解决这个问题；它能把相似内容捞出来，却分不清其中哪条最权威。更现实的边界是：它对训练数据之外的表达方式会失准，模型没见过的口语、缩写、行业简称，都可能导致打分失真。所以成熟的系统里，相似度只是头一道筛子，后面往往还跟着规则、关键词和人工复核，而不是让它独自下结论。