本发明公开了一种单选择门与类间度量的细粒度语义相似识别的方法，涉及自然语言处理技术领域，技术方案为，包括搭建单选择门与类间度量的细粒度语义相似识别网络，通过对语句对进行编码得到上下文向量，再有单选择门对上下文向量进行核心信息挑选，将挑选的语句对核心信息输入匹配层若进行核心内容的匹配，再将输出的向量经融合层变为一个固定长度的向量，通过函数得到语句对的相似度得分，同时计算输出语句对之间的类间损失，将原损失和类间损失进行加权融合，使得学习的特征类间间距更小。本发明的有益效果是：本方案对经LSTM网络向量化的句子对进行核心特征提取，可以除去具有相关性的冗余特征，学习到细粒度级别的区分性特征。