本文讨论了词移距离（WMD）及其与传统基线方法如词袋（BOW）和 TF-IDF 的比较，指出若使用正确的预处理方法，即 L1 正则化，则传统基线方法与 WMD 具有相近的性能，同时发现 WMD 与 L1 正则化 BOW 之间存在类比关系。

May, 2021

本论文研究了 WMD 的几个可能的扩展，并尝试将语料库中单词的频率作为加权因子，以及探索单词向量空间的几何性质。通过在六个文档分类数据集中验证可能的扩展，发现一些提出的扩展在 K 最近邻分类错误方面表现更好。

Feb, 2022

本文提出一种基于 BERT 的自注意力矩阵和融合 Gromov-Wasserstein 距离的方法，用于计算两个句子之间的语义相似度，实验证明该方法可以在语义相似性和改进 WMD 方面表现优异。

Nov, 2022

本文研究了基于词嵌入的语义相似度计算方法，提出了一种基于排名的度量方法，在相似度测量和异常值检测方面表现良好，表明基于排名的度量方法可以提高聚类质量。

May, 2018

本研究比较了常见文本向量表示方法中余弦相似度和皮尔逊相关系数等相似度计算方法的优缺点及其适用范围，并提出使用非参数秩相关系数作为相似度计算方法，以提高语义文本相似性任务的性能表现。

May, 2019

本文研究了连续词嵌入模型中用于衡量单词相似性的余弦相似度在正交变换下的稳定性，发现使用奇异值分解的正交变换可以提高某些成分的意义并使成分在重新学习时更稳定；同时对俄语语言模型（RusVectores、fastText、RDT）进行了组成分析。

Jul, 2017

本文提出一种基于跨语言句嵌入的无监督打分函数，用于计算不同语言中文档之间的语义距离，从而指导文档对齐算法以适当地匹配跨语言 Web 文档，并在不同语言对中显著提高对齐效果。

Jan, 2020

本文提出了一种新的衡量文本差异的度量方法：Word Mover's Distance，通过加入词汇权重和使用熵正则化方法，可以提高跨语言文档检索任务的效果并取得令人瞩目的改进，与多个基线相比表现提高幅度显著。

May, 2018

研究表明，基于单词嵌入的相似性度量方法在无监督语义文本相似性（STS）任务中正在与更复杂的深度学习和专家设计的系统轻松竞争。通过将一个单词嵌入视为标量随机变量的例如 300 个观测值，我们避免了传统的几何方法，使用于基本汇集运算和经典相关系数得到的相似性效果很好，胜过许多最近的方法，同时速度更快且实现容易。此外，研究认为通过重新生成核希尔伯特空间之间的相关算子，可以避免汇集运算并直接比较词嵌入集。正如余弦相似性用于比较单个单词向量一样，我们介绍了中心核对齐（CKA）的一种新颖应用，作为平方余弦相似性的集合的自然推广。同样，CKA 非常易于实现，并享有非常强的实证结果。

Oct, 2019

该论文介绍了基于分布和话题建模的层次最优输运方法作为文档之间的元距离，以量化文档之间的相似性。这种方法具有解释性和可扩展性，并在 k-NN 分类方面表现良好。

Jun, 2019