相似句查找：归拢措辞不同的同类表达

同一个观点常常会换一种说法。“配送速度比页面承诺的慢很多”和“配送时效需要改进”没有使用完全相同的词，但都在表达交付等待过长。只搜“物流”或“配送”容易漏掉部分回答，相似句查找会把整条句段转成可比较的语义表示，再按接近程度筛选候选。

系统会先形成相似句段对，再把彼此接近的记录组织成聚类。配对适合回答“哪两条特别像”，聚类适合回答“哪些记录大致属于同一组”。开启精准复核后，高相似候选会再经过一次排序，列表通常更接近人工判断，但处理时间也会增加。

相似度用于排序和筛选，不证明观点一定相同。阅读结果时仍要核对原文、来源、记录编号和聚类代表文本。

适用文档

问卷开放题、用户评价和客服反馈通常一行表达一个主要问题，适合按行比较。教程配套的 实例.txt 包含54条虚构用户反馈，每行一条完整记录，覆盖配送、包装、客服、退款、价格、稳定性、质量、操作、搜索和通知等主题，可直接用于按行模式练习。

访谈稿、研究摘要和报告更适合按段落比较。自然段应保持一个完整观点；同时混入背景、方法和建议会让结果难以解释。先按观点边界整理段落，通常比降低查找范围更有效。

口语化评论、帖子和投诉记录可选择对应的文本来源。极短标签、纯数字、网址和联系方式缺少足够语义，不适合作为主要比较对象。

文本不足两条有效内容时，系统会按设置窗口自动分段。已有清楚行列或自然段时，应优先使用原有结构，避免切开完整观点。

使用步骤

第一步：确定比较单位。配套实例一行一条反馈，因此选择按行；访谈或报告改为按段落。比较单位决定哪些文本会被两两比较。

第二步：选择查找范围。标准适合首次浏览；宽松适合探索主题边界；严格只保留更接近的句段，便于控制复核量。

第三步：匹配文本来源。配套实例使用问卷/反馈。来源设置以材料的表达方式为准，不以分析者所在行业为准。

第四步：决定是否开启精准复核。配套实例保持开启。若只想试探查找范围，可先关闭，确定范围后再开启。

第五步：先读相似句段概览。查看有效文本、触及相似对的记录占比、相似句段对数和聚类数量，再决定从配对还是聚类进入。

第六步：查看高相似句段对。报告并排展示文本A与文本B，并保留来源、编号和相似度。优先核对列表前部，同时确认具体诉求是否一致。

第七步：展开相似聚类。每组显示代表文本、规模、平均与最高相似度、跨文件数量和高频词，展开后可查看组内原文。

第八步：用热力矩阵和雷达图交叉检查。两者用于快速定位，不替代配对原文和聚类明细。

参数解析与对比示例

配置一：配套实例首次分析。使用按行、问卷/反馈、标准范围并开启精准复核。实例已有54条记录，不会触发自动分段。先看配送、包装、退款、搜索和通知是否形成候选组。

配置二：探索主题边界。把范围调为宽松，观察“客服回复慢”和“退款进度不清楚”是否进入相近候选。出现混合组时，再按具体问题拆分。

配置三：控制复核量。把范围调为严格，寻找接近改写的配送延迟或搜索不准表达。结果较少只说明通过当前条件的句段更接近。

案例分析

案例一：归拢配送与包装反馈。背景是对配套实例中的54条问卷回答做首次整理。配置使用按行比较、问卷/反馈、标准范围和精准复核。实例中的“这次下单后等了快一周才收到，配送速度比页面承诺的慢很多。”和“页面写着三天送达，实际第六天才签收，配送时效需要改进。”应作为配送延迟组的复核重点；“外箱收到时已经压扁，里面的盒子也有明显折痕，送人不太合适。”和“快递盒没有破，但内部缓冲材料太少，产品在盒子里来回晃动。”则属于包装保护问题。预期观察是两类内容分别出现在靠前配对或相似聚类中。若两类内容混在同组，应按具体诉求拆分。结论是先用候选组缩小阅读范围，再建立配送时效和包装保护两个标签。

案例二：比较宽松与严格范围。背景是客服响应、退款等待、搜索不准和通知频繁都包含负面体验，但具体问题不同。先用宽松范围观察服务体验边界，再切换严格范围核对近义表达。实例中的“咨询售后问题后很久才收到回复，等待期间不知道处理到哪一步。”和“客服响应速度偏慢，同一个问题隔了一天才有人继续跟进。”应重点检查是否形成响应速度候选；“退货已经签收，但退款迟迟没有到账，我需要反复查看处理进度。”和“退款步骤不复杂，主要问题是审核和到账等待时间比预期长。”应作为退款时效候选。预期观察是宽松设置可能出现跨子主题记录，严格设置更集中于同一具体问题。结论是宽松适合发现边界，严格适合确定核心成员。

类似功能对比