你可以回答向量空间的余弦相似度。

或者你可以计算每个句子的特征向量。但问题是，什么是相似性？

“这是一棵树”，“这不是一棵树”

如果你想检查句子的语义，你需要一个词向量数据集。使用 wordvector 数据集，您将能够检查单词之间的关系。示例：（国王 - 男人 + 女人 = 女王）

Siraj Raval 有一个很好的python notebook用于创建 wordvector 数据集。

您可以尝试的一种方法是平均由词嵌入算法（word2vec、glove 等）生成的词向量。这些算法为每个单词创建一个向量，它们之间的余弦相似度表示单词之间的语义相似度。在句子之间的平均向量的情况下。了解更多关于这些方法的一个很好的起点是这篇论文：句子嵌入如何捕捉含义。它讨论了一些句子嵌入方法。我还建议您研究使用组合 n-Gram 特征进行句子嵌入的无监督学习，作者声称他们的方法优于最先进的方法。他们还在这个github repo中提供了代码和一些使用说明。

bert-as-service提供了这种解决方案。

要回答你的问题，从零开始自己实现它会非常困难，因为 BERT 不是一个微不足道的 NN，但是使用这个解决方案，你可以将它插入到使用句子相似度的算法中。

你应该看看这个。Fuzzywuzzy 是一个很棒的字符串/文本匹配库，它根据两个句子的相似程度给出一个介于 0 到 100 之间的数字。它使用 Levenshtein Distance 来计算简单易用包中序列之间的差异。此外，请查看此博客文章，详细了解 Fuzzywuzzy 是如何完成这项工作的。这个博客也是fuzzywuzzy作者写的