【摘要】常规的语义相关度计算模型多数采用深度学习原理构建设计而成，模型运行流程复杂，收敛速度较慢，语义斯皮尔曼相关系数较低，无法显著提升自然语言语义相关度计算结果的精度。 针对此问题，引入智能优化算法，提出了一种全新的自然语言语义相关度计算模型，选择与自然语言文本特征适配度较高的文本编码器，全面提取文本中的重要语义信息，将计算模型无法识别的文字化信息处理为模型能够识别的文字化信息，并扩大数据集，融合不同类型的文本数据，使文本数据格式保持一致。 实验分析可知，提出的模型具有良好的性能优势，自然语言词语对的斯皮尔曼相关系数值均较高，语义相关度计算结果的精度得到了显著提升。