本公开的一方面涉及一种高效的短文本相似性确定方法，包括对语料库中的短文本进行分词以获得对应的词序列；基于所述语料库中的短文本总数确定惩罚，所述惩罚随所述语料库中的短文本总数增大而减小；确定所述词序列中每个词的词频和调整后的逆文档频率，其中所述调整后的逆文档频率基于所述惩罚来计算；用所述调整后的逆文档频率对每个词的词频进行加权；组合所述词序列中每个词的加权词频以确定所述短文本的词频向量；以及基于所述词频向量来确定所述短文本与其他短文本的相似性。本公开还涉及其他相关方面。