于延, 陈德涛, 贺维, 季伟东, 南树银, 范雪琴, 赵微
电脑与电信. 2026, (2): 17-23.
在C语言知识问答系统中,文本相似度计算至关重要,但传统方法(如余弦相似度和编辑距离)存在无法深入理解语义、难以处理语言复杂性等问题。为此,本研究提出融合双向长短时记忆网络(BiLSTM)与注意力机制的C知识文本相似度计算模型(BMHA)。该模型利用BiLSTM的上下文感知能力和注意力机制聚焦关键信息的优势,深入挖掘文本语义。经实验,在基于TensorFlow框架搭建的平台上,以C语言问答社区真实语料为数据集,BMHA模型在语义匹配任务中F1值达92.1%,较传统LSTM和CNN基准模型分别提升19.7%与24.5%。这表明其性能优异,为编程教育领域文本相似度计算提供了新方法,有望推动相关领域发展。