随着Internet的飞速发展以及互联网技术的快速变革,如何对各式各样的文本进行相似度计算成为了研究的热点与难点。目前,文本相似度计算技术被广泛应用于文本数据挖掘、文本分类、信息检索、信息过滤、机器翻译、文本查重等领域,各种关于这些领域中的文本相似度研究也如火如荼的进行着。对文本相似度的研究主要是从提高查准率、查找速度等方面进行,目前已有诸如布尔模型、概率模型、向量空间模型等文本表示模型,相似度度量及距离度量等相似度计算方法,也有关于文本分词及语义等方面的研究。这些技术应用较为广泛,但在效率及性能等方面还存在一些无法忽视的问题,比如本文的研究重点向量空间模型,该模型存在无法表现特征项的出现顺序、向量维度高、计算效率低等问题,这些问题都需要我们进行研究与改进。本文对文本相似度计算相关技术进行研究,并针对传统向量空间模型在文本相似度计算时,无法体现特征项在不同位置的特殊文本表现能力的问题,研究了其改进模型：文本段向量空间模型。并针对文本段向量模型在对类似表格结构的文本进行相似度计算时,因对各文本段进行一致处理而导致查准率不理想的问题,提出了自主加权文本段向量空间模型。针对传统向量空间模型在文本相似度计算时,因向量维度高而导致计算效率低的问题,提出了两种非零权值向量空间模型：非零权值并集向量空间模型、非零权值基准向量空间模型,这两种模型分别适用于不同的应用环境。最后,以上述理论为基础,设计并实现了文本过滤系统,并通过该系统对本文中提出的三种改进模型进行了实验。实验结果表明自主加权文本段向量空间模型在提高查准率及计算效率方面是可行且有效的,两种非零权值向量空间模型在降低计算维度及提高计算效率方面是可行且有效的。