本语义相似度这个问题的话，跟别提如何更进一步的文本处理了。

抛开让机器区分相似文本这个问题不谈。

仅仅是想要机器识别文本这件事情就极其困难了。

自然语言一般就是说人类能理解的语言，比如看到的文字就是自然语言。

但当我们需要机器或者说计算机处理自然语言时。

机器/计算机却没办法直接理解这些符号（汉字、字母、标点符号等）。

这些符号必须先被数值化，然后才能输入计算机进行后续处理。

仅仅只是数值化之后也用途不大。

必须引入其他的一些内容来反应出词的属性。

就像我们不能从一个普普通通的代号知道这串数字究竟表示的是订阅、收藏还是打赏。

总之，仅仅是一个代号是看不出来每串数字对应的属性的。