随着互联网行业的快速发展,我们正处在一个信息快速增长的年代,并且在海量增长的信息中往往蕴含着大量有价值的数据。虽然在日常生活中,我们可以通过各种搜索引擎解决我们的需求,但是有时候搜索出来的信息,往往在信息相关的程度和精度上,与我们期望的存在着差异,从而不能够完全满足我们的搜索需求。通常我们使用的一些搜索引擎,比如Baidu、Google、Yahoo等等,往往都是通过网络爬虫技术,将相关的网站页面首先抓取到自身的服务器上。我们在对关键词进行搜索的时候,实际上是直接查询本地相关文件,反映给我们的往往也是一些静态的网页数据。日常范围内的搜索,我们很难通过关键词的简单查询完全获得Deep Web DB的数据,从而损失丁海量有价值数据信息。本文提出了基于语义相似度计算的Deep Web数据库检索力法,该力法的目的在于将语义相似度的计算方法运用于数据库检索当中去,最终将该方法同传统搜索引擎有效结合,更加满足用户搜索需求。本文首先简要的介绍了几种常见的语义相似度的计算方法,最后结合各自的优点,将同义词词林(哈工大版)和知网(HowNet)有效结合,提出了一种改进的语义相似度的计算方法。通过计算关键词和属性词典对应属性列之间的相关联度,在基于阀值的匹配算法的基础上,确定当前关键词的查询的搜索范围,挖掘出潜在于Deep Web数据库中与关键词有关联的信息。通过对Deep Web数据库的相应查询,最终将查询的结果通过有效的形式反馈给当前用户由丁当前Deep Web下中文测试数据库相对较少,我们采用的是某校信息管理系统的后台数据库作为数据源进行测试。实验部分举例验证和测试了本文中所提出的方法的可行性和正确性,不仅避免了数据库均全表扫描的代价,同时也尽可能的精确当前关键词的查询范围,并且后期通过与搜索引擎的无缝集合,提供给用户高效、稳定的查询体验。