当今人类越来越重的网络依赖性令网络数据的规模呈现出爆炸性增长的趋势,文字作为重要载体,其相关的文本信息处理技术得到越来越多的关注。文本相似度量作为该技术的关键部分,其准确率直接影响文本信息处理的结果。目前文本相似度量方法的主流之一是利用向量空间模型(VSM)中向量关系来反应文本之间的相似程度,其概念简单、可计算性强。但该方法涉及到高维稀疏矩阵的处理,计算复杂度高,另外,它忽略语义信息对文本的影响。另有一种基于语义的相似度算法可克服此缺点。但需要特定领域的知识库支持,其建立过程的繁杂性,使此类算法理论多过实践。借鉴此二类算法,本文提出一种新方法(HSim)。该方法结合第一类方法中空间模型的优势,以及第二类方法中语义信息的优势,最后利用汉明距离来计算文本相似度,从而避开了对高维稀疏矩阵的直接处理。该方法一方面利用汉明距离克服第一类方法中高维稀疏矩阵低计算效率的缺点;另一方面,VSM模型与汉明距离的结合,使HSim直接利用语义词典作为参照,克服了第二类方法中特定领域知识库建立过程繁杂的缺点。实验利用训练语料以F度量与其他文本相似度量方法进行聚类比较。实验结果表明HSim方法较其他方法性能更为优越的同时,也存在一些适用性的不足。针对这些不足,本文针对算法步骤中的两次映射以及最后计算的输入集进行优化改进,并进行新的实验,实验结果表明改进的方法在适用性上有很大的提高。