与“天下兴亡，匹夫有责”类似的句子，两句
先天下之忧而忧,后天下之乐而乐苟利天下生死以,岂因祸福避趋之.保天下者,匹夫之贱,与有责焉.风声雨声读书声,声声入耳；家事国事天下事,事事关心
仿写两句相同类似的句子
、及时、准确接听\\\/转接电话，并记录留言并及时转达2、接待来访客人并及时准确通知被访人员3、收发公司邮件、报刊、传真和物品，并做好登记管理以及转递工作4、负责前台区域的维护，保证设备正常运转（包括复印机、空调及打卡机等）5、负责公司的邮件筛选及管理招聘系统6 、熟悉公司日常行政表格操作7，协助组织通
继续写两句结构相似的句子
再一段较短的时间里,我前后被人叫做画呆、画痴、画魔、画迷,乃至画家；也正是这一幅幅画,丰富了我的生活,湿润了我的心灵。
以上的那句是我妹妹写的。
仿写两句相似的句子
1、宠辱不惊,闲看亭前花开花落;去留无意,漫随天际云卷云舒。
2、难得糊涂,静观潮起潮落;乐在逍遥,笑看云卷云舒。
3、碧云天，黄叶地，秋色连波，波上寒烟翠；山映斜阳天接水，芳草无情，更在斜阳外。
黯乡魂，追旅思，夜夜除非，好梦留人睡；明月楼高休独倚，酒入愁肠，化作相思泪。
4、寻寻觅觅，冷泠清清，凄凄惨惨戚戚。
乍暖还寒时候，最难将息。
三杯两盏淡酒，怎敌他，晚来风急
雁过也，最伤心，却是旧时相识。
守着窗儿，独自怎生得黑
梧桐更兼细雨，到黄昏、点点滴滴。
这次第，怎一个愁字了得
5、人生似棋，生命如雨：不去接受浪花的吹打，风帆只是一块破布；没有经历大海的咆哮，小船只是一块朽木；未能“品尝”烈火的烘烤，钢铁只能困于顽石。
同样的，不会独立自主的处理事情，生活在他人襁褓之中的人，无异于行尸走肉。
6、人生路，路迢迢，谁道自古英雄多寂寥，若一朝，看透了，一身清风挣多少。
7、人生没有轮回，就像花，人活一世，花开一季、人生如花，花似梦。
8、忍花开花落，云卷云舒，品人生似棋。
9、十年生死两茫茫，不思量，自难忘，千里孤坟，无处话凄凉，纵使相逢应不识，尘满面，鬓如霜。
10、疏影横斜水清浅，暗香浮动月黄昏。
11、再大的风不会永不停息，在浓得雾不会经久不散，风息雾散仍是阳光灿烂。
12、向来缘浅,奈何情深?13、世界上最远的距离 不是 生与死的距离而是 我站在你面前 你不知道我爱你 世界上最远的距离 不是 我站在你面前 你不知道我爱你 而是 爱到痴迷 却不能说我爱你 世界上最远的距离 不是 我不能说我爱你 而是 想你痛彻心脾 却只能深埋心底 世界上最远的距离 不是 我不能说我想你 而是 彼此相爱 却不能够在一起 世界上最远的距离 不是 彼此相爱 却不能够在一起 而是明知道真爱无敌 却装作毫不在意 世界上最远的距离 不是 树与树的距离 而是 同根生长的树枝 却无法在风中相依 世界上最远的距离 不是 树枝无法相依 而是 相互了望的星星 却没有交汇的轨迹 世界上最远的距离 不是 星星之间的轨迹 而是 纵然轨迹交汇 却在转瞬间无处寻觅 世界上最远的距离 不是 瞬间便无处寻觅 而是 尚未相遇 便注定无法相聚 世界上最远的距离 是鱼与飞鸟的距离 一个在天 一个却深潜海底14、一花一世界,一叶一菩提15、一颗沙里看出一个世界,一朵花里看出一个天堂,把无限放在你的手掌,把永恒在一刹那间
如何计算两个句子的相似度
如何计算句子的语义相似度，很容易想到的是向量空间模型（VSM）和编辑距离的方法，比如A：“我爸是李刚”，B：“我儿子是李刚”，利用VSM方法A（我，爸，是，李刚）B（我，儿子，是，李刚），计算两个向量的夹角余弦值，不赘述；编辑距离就更好说了将“爸”，“儿子”分别替换掉，D（A,B）= replace_cost；这是两种相当呆的方法，属于baseline中的baseline，换两个例子看一下就知道A：“楼房如何建造
”，B：“高尔夫球怎么打
”，C:“房子怎么盖
”，如果用VSM算很明显由于B，C中有共同的词“怎么”，所以BC相似度高于AC；编辑距离同理；解决这种问题方法也不难，只要通过同义词词典对所有句子进行扩展，“如何”、“怎么”，“楼房”、“房子”都是同义词或者近义词，扩展后再算vsm或者edit distance对这一问题即可正解。
这种方法一定程度上解决了召回率低的问题，但是扩展后引入噪声在所难免，尤其若原句中含有多义词时。
例如：“打酱油”、“打毛衣”。
在汉字中有些单字词表达了相当多的意义，在董振东先生的知网（hownet）中对这种类型汉字有很好的语义关系解释，通过hownet中词语到义元的树状结构可以对对词语粒度的形似度进行度量。
问题到这里似乎得到了不错的解答，但实际中远远不够。
VSM的方法把句子中的词语看做相互独立的特征，忽略了句子序列关系、位置关系对句子语义的影响；Edit Distance考虑了句子中词语顺序关系，但是这种关系是机械的置换、移动、删除、添加，实际中每个词语表达了不同的信息量，同样的词语在不同词语组合中包含的信息量或者说表达的语义信息大不相同。
What about 句法分析，计算句法树的相似度
这个比前两种方法更靠谱些，因为句法树很好的描述了词语在句子中的地位。
实际效果要待实验证实。
对了，还有一种方法translation model，IBM在机器翻译领域的一大创举，需要有大量的语料库进行训练才能得到理想的翻译结果。
当然包括中间词语对齐结果，如果能够利用web资源建立一个高质量的语料库对两两相似句对通过EM迭代词语对齐，由词语对齐生成句子相似度，这个。
。
想想还是不错的方法
