随着互联网信息的飞速增长,用户对信息检索的要求也越来越高。面对海量信息,我们需要排除冗余信息,获取精准信息,避免将大量时间与精力浪费在无用信息或已知信息的过滤和整理上。内容关联的研究正是为了解决以上问题,它旨在将不同文本中内容有联系的段落或语句连接起来,使人们对特定文本的理解更加全面,不再需要人工寻找相关内容,精炼相关信息。本文利用论文文献和社交网络两个领域的语料,进行内容关联研究。论文文献重在科学研究,社交网络倾向商业应用,对此,内容关联都具有良好的实际应用价值和发展前景。对于内容关联研究,本文从语法信息和语义信息两方面进行探索。目前的内容关联研究大多基于语法信息,虽然它是自然语言中比较表层的信息,但具有相对较好的性能。语义信息是未来的研究趋势,我们已经意识到深入语义层面的重要性。因此,本文从语法和语义两方面入手,语法方面,利用多种文本相似度相融合的方法,语义方面,尝试将词向量和卷积神经网络结合起来。实验表明,我们提出的方法具有相对较好的性能和一定的研究意义。