随着互联网上数据的急剧增长,关键字检索的不足逐渐显现出来。关键字检索只能提供有限的结构化查询能力,丢失语义信息；此外,关键字检索不具备查询优化的能力,造成返回的检索结果数据量巨大。用户从互联网上获取所需信息的难度越来越大。对象级别信息检索可以有效地解决关键字检索的问题,它已经引起越来越多的关注和研究。对象级别信息检索以对象的观点来建模关系数据,直观的描述了信息的语义,检索结果不是仅包含关键字的文本信息而是包含完整实体信息的对象,容易被用户理解。为了实现对象级别信息检索,选择一种描述对象的工具是至关重要的,本文选用RDF来描述对象。RDF是W3C组织推荐的描述万维网上元数据的标准,因此越来越多的信息通过RDF图来描述。本文对主流的RDF图表示对象的语义相似性度量方法进行了研究,分析其优缺点,提出了SaS(Structure and Semantics)方法。SaS方法改进了Radow Oldakowski(RO方法)的RDF图语义相似度算法,反映了RDF图的结构信息；并结合改进的基于网络距离模型的语义距离公式和基于信息量模型的链接边权重度量方法来计算概念节点语义相似度,综合考虑了概念节点的深度、密度因素,有效区分了上述两种模型无法区分的概念节点,使语义相似性度量更加精确。为了验证SaS的有效性和可行性,本文设计并实现了应用于计算机程序员招聘领域的语义相似性度量原型系统。实验结果表明,SaS方法的查准率优于RO方法。