1樓：我叫大王來巡山
你說的這個問題就是關於句對匹配的乙個子問題：Paraphrase Identification（釋義識別），即給定兩個句子，判斷它們是不是表達同乙個意思，然而現在大部分的模型很難真正做到。
2樓：
前段時間在看了看相關的內容。深度學習來說現在大致可以分為encoder-based structure和interaction-based structure。
前者往往是採用siamese network的結果，就是先用兩個encoder(shared or not shared)將兩個文字投射到向量空間，之後對兩個向量進行拼接，比如concatenate，或者求l1 norm或者cos等等，之後使用分類來判斷。
後者的話是直接對兩個句子求乙個相關矩陣，比如Text matching as image recognition裡面，對embedding後的兩個句子求乙個相關矩陣，之後將這個矩陣看作image來進行分類。
3樓：
（深度學習角度）有大量訓練集的話，用bi-lstm對兩段字串encode，設計相似度函式作為目標函式訓練模型
（知識圖譜角度）沒有訓練集的話，可先做詞性標註，將重要的名詞形容詞用Wordnet對這些特徵詞彙做資料增強，找到同義詞群匹配同義詞群相似度
當測試句子相似度高於某閾值，可判為「同一件事情」
4樓：Han Yang
算是Textural Entailment的應用，可以參見The Stanford Natural Language Inference (SNLI) Corpus：The Stanford Natural Language Processing Group
這個語料庫包含了Text、Hypothesis，和乙個Judgement標註了Text和Hypothesis的語義是相同的(entailment)/相反的(contradiction)/無法判斷的(neutral)：
一些模型和準確率：
5樓：鄒大爺
目前還做不到這麼智慧型，之前這麼做過：直接查表得到向量後，經過autoencoder然後算馬氏距離，準確率85左右。這種判斷是不是乙個事實的，還可以用句法+消歧的方式來做，有機會會嘗試一下。
6樓：abcxyz
目前主要通過無監督的相似性來判斷。如果是做監督學習，我覺得可以利用問答對來做，主流社群的問答資料。
通過問題和答案之間的相關性來建模，乙個問題的對應回答，比其他問題的回答更相關。通過這個訓練出問題的特徵向量模型。
男朋友答應的事做不到，而且是同一件事
灰色蛻變 1.難度大，這件事本身，比如鐵人三項 一夜七次郎等等2.不重要，這件事影響不大，或無意義。比如左腳先進門 一周不穿紅襪子。3.衝突，比如過年去你家還是他家，吃西餐還是中餐，二選一無法兼顧。4.巧合，比如突然有事，加班，堵車等等。5.不愛你！還有很多可能，我覺得你不要只往壞的方面選！多溝通 ...
判斷一件事的對錯，是看起因還是結果？
哈哈哈哈 我記得曾經在知乎上看到乙個回答。畢竟我不是學法律的，不太專業。說法律上有兩個巨大的分歧。一方認為 動機是最重要的。比如你想故意殺人一方認為 結果是最重要的。比如你不小心把人殺了。我覺得應該視情況而定。比如你乙個粗心失誤，把一棟居民樓點著了。燒死幾十個人。就算你沒有動機，也要槍斃你十分鐘。如...
學習和讀書真的是一同一件事嗎？
暴力行善 讀書和學習不是同一件事。讀書本意是學習書中知識，學習知識及技巧的方法不僅僅只能依靠讀書獲取。學習包含讀書，讀書只是學習的路徑之一。讀書相比別的學習路徑來說，成本相對低廉。不讀書，最多文憑止步於此。不學習，人生的輝煌就止步於此了。活到老，學到老。學無止境。 紅姐 就是這麼巧，我正想寫乙個類似...