1.基于χ2-C的文本相似度计算方法，其特征在于，包括以下步骤：步骤1：对测试数据以及语料库的内容进行预处理；

步骤2：使用卷积神经网络CNN将测试数据集进行分类；

步骤3：使用TF-IDF算法计算检测样本中特征词的初始权重；

步骤4：使用χ2-C算法计算出领域关联因子Ca；

步骤5：利用词位置因子α结合领域关联因子Ca计算初始权重得出特征词权重；

步骤6：建立词库并根据步骤5得出的特征词权重生成初始文本向量；

步骤7：使用word2vec工具计算特征词之间的词义相似度，得出相似度矩阵P；

步骤8：根据步骤7得出的相似度矩阵计算初始文本向量，得出文本向量；

步骤9：使用余弦相似度算法计算步骤8产生的文本向量，得出文本相似度。

2.如权利要求1所述的基于χ2-C的文本相似度计算方法，其特征在于，所述步骤4包括：

2 2

χ-C算法是将χ统计量结合到领域关联算法中并计算出领域关联因子Ca，由于某些特征词计算出的χ2(d,c)值比较大，对后面的计算会产生较大的影响，导致计算结果不准确，因此采用式(1)对其进行处理；

其中，d表示特征词，c表示特征词所述的领域，di表示文中第i个特征词，count表示文中特征词的总数；

Ca通过式(2)、(3)、(4)计算：

其中，qd表示正类中包含特征词d的文档数在正类中的比重，ed表示正类中包含特征词d的文档数，Ed表示正类的总文档数，pd表示负类中包含特征词d的文档数在负类中的比重，nd表示负类包含d的文档数，Nd表示负类的总文档数，wd表示d与所在领域的关联度。

3.如权利要求1所述的基于χ2-C的文本相似度计算方法，其特征在于，所述步骤5中，为了增加特征词与领域的关联程度，使用式(5)，结合领域关联因子Ca((d,c)和词位置信息α计算特征词初始权重，得出特征词权重；

wdt'＝Ca((d,c)×wdt×α       (5)其中，wdt'表示特征词权重，α代表了词的位置信息，α采用式(6)获得：

4.如权利要求1所述的基于χ2-C的文本相似度计算方法，其特征在于，所述步骤6中，首先将文本β和γ的特征词进行合并，建立文本β和γ的词库，使每一个词都有对应的标号；

再利用词库将两篇待测文本β和γ表示成式(7)的形式：vk＝    (7)其中，vk表示初始文本向量，β和γ的特征词集合分别为Sdβ＝{dβ1,dβ2,dβ3,dβi,…,dβn}和Sdγ＝{dγ1,dγ2,dγ3,dγj,…,dγm}，β和γ的特征词权重集合分别为Swβ＝{w'β1,w'β2,w'β3,w'βj....w'βn}和swγ＝{w'γ1,w'γ2,w'γ3,w'γj....w'γm}，k∈{β，γ}，w'kη∈Swβ∪swγ，η表示特征词dη在词库中对应的标号，dη∈Sdβ∪Sdγ，N为词库中特征词的总数；

且对于文本β中的wksη服从式(8)；

对于文本γ中的wksη服从式(9)

dη在指的是词库中标号为η的特征词，且dβi∈Sdβ，dγi∈Sdγ。

5.如权利要求1所述的基于χ2-C的文本相似度计算方法，其特征在于，所述步骤7中，词库中的标号为i的特征词与标号为j的特征词相似度为simij，则特征词之间的相似度矩阵为式(10)所示：

6.如权利要求1所述的基于χ2-C的文本相似度计算方法，其特征在于，所述步骤9中，在文本向量中增加词义信息，使用相似度矩阵更新β和γ文本向量；测试文本β、γ的文本向量分别为式(11)、(12)所示：vβ＝     (11)vγ＝      (12)式(13)将初始文本向量与特征词相似度矩阵做内积得到文本向量；

v'k＝vk×P            (13)其中k∈{β，γ}，计算出新的文本向量v'β＝和v'γ＝，文本向量包含了词频、词义、词位置信息以及领域关联度。