我们将不同长度的句子（预处理并分词之后的长度）直接做比较其实是不公平的，举个例子：

 

Sentence 1 =  长度为2

Sentence 2 = 长度为1

Sentence 3 = 长度为3

（在取相似词TOP4，exp=0.7，的情况下）

即便Sent2与Sent1词的组成完全不同，base_similarity=0.2513

同样的，Sent3与Sent1完全不同，       base_similarity=0.2063

长度长的词本身就处于劣势，所以我考虑在相似度的基础上，减去base_similarity，并加上一个常数（纯粹为了好看，不然我其实应该使用正态分布作归一化，这个后续做）

 

此外，exp取0.6是我在分析近义词的时候得到的，讲道理我应该统计得到TOP1 TOP2 TOP3...的平均值或者中位数，这个也后续做把。。。先用经验值替代