随着经济全球化的推进,中国的综合国力不断地增强,国际地位也在不断地提高,中文在全球的政治和经济领域越来越重要并占据着举足轻重的地位。由于不同地域的语言、政治、经济、文化、历史背景等差异,导致国际领域专家之间的交流发生困难,因此,对包括中文在内的多国语言的概念和术语进行统一、协调至关重要。ISO 860是一个对概念、概念系统以及术语进行协调的国际标准,该标准基于英语等西方国家语言制定,没有考虑中文、日文等东方语言的特点,因此仅仅适用于欧美一些具有相同或相似语言的国家。中文的表示形式与西方语言完全不同,如何从语义层面对包括中文在内的多国语言术语进行协调是目前亟待解决的一个问题。词汇语义相似度的计算是自然语言处理领域中基础而核心的工作,在人工智能、信息检索、语义消歧等各个领域具有重要的意义,词汇语义相似度的计算可以为实现概念、概念系统以及术语的协调提供有力的技术支撑。目前词汇语义相似度的计算方法主要分为三种,基于知识库规则算法、基于语料库的算法以及两种方式结合的方法。本文对各种方法进行了总结和分析,其中基于知识库规则算法能够准确地表示词汇的概念信息,同时可以为基于语料库的算法提供有力的支撑条件,弥补语料库中缺乏概念信息的不足,但是知识库是人工编写的,并且收录词汇不全,容易出现大量的未登录词汇,为计算机智能化地处理自然语言造成了困难。基于语料库的方法可以很好地解决这一问题,计算机对数以万计的无规则文本进行处理,无需对词汇进行人工标注,就可以衡量词汇语义间的相似程度,然而该方法是从语义层面出发进行的词汇语义相似度计算,词汇没有具体的概念信息且无法区分语义相似和语义相关,更不用说进行语义消歧。针对以上问题,本文提出一种语料库“预测”模型和知识库规则相结合的词汇语义相似度算法,弥补了单一算法存在的不足。该算法通过知识库和语料库分别进行语义相似度的计算,然后进行加权求和,通过试测法确定最佳权重,使其相关系数达到最高,其实验结果明显优于其他算法。然而基于语料库“预测”模型和知识库规则的算法到目前为止还无法区分语义相似和语义相关,很多相似度很高的词汇不具有相似性,反而具有较强的相关性。因此,本文提出了一种基于HowNet的词汇相似性和相关性区分方法,利用HowNet中的义原信息、语义相似度和相关度对词汇进行相似性和相关性区分,实验结果表明该算法真实有效,并且在“预测”模型向量空间中抽取的前k个词汇更能体现词汇间的相似性。本文将词汇语义相似度计算的相关理论应用到ISO 860的修订中去,以期为多国领域专家间的交流提供便利,同时为术语学的发展提供了技术支撑。