本书面向计算机科学、信息科学、认知科学、语言学等专业的本科生、研究生、研究学者或者软件研发人员，由浅入深、跨学科地介绍了认知概念信息量、基于认知概念信息增益的文本信息量计算方法、融合认知概念信息权重的全文本信息量计算方法，一步一步实现了基于认知概念信息量的文本语义相似度的模型。该模型在国际权威测评SemEval 2017STS任务的34个参赛团队提交81个测评系统中，总成绩在所有参赛团队中排名第二，在Track 1数据集上排名第一，相关模型论文更是被会议评选为“Best of SemEval 2017”。
本书模型建立在认知概念网络基础上，计算方法接近人类的思维习惯，更加符合人工智能初衷。本书模型具有可解释性，参数含义十分明确，易于根据应用领域或场景调优性能，具有优良的发展前景。本书研究方法另辟蹊径，在深度学习大行其道的今天对相关研究人员是不失为一种启发和补充。