随着互联网技术的蓬勃发展,开源已经成为软件产业的一种发展趋势。众多软件开发者为开源社区贡献了大量的软件资源和技术经验。丰富的软件资源固然为用户提供了便利,但由于其数量众多,更新迅速,不同资源间关联度大等特点,再加上现有的检索系统无法智能分析用户输入意图,导致检索结果僵化,用户快速地检索出相似的项目仍有一定困难。本文基于深度学习算法,提出一种相似软件项目检索系统的设计与实现。该系统使用 SpringMVC+Spring+MyBatis（SSM）框架,采用 Word2vec 预处理数据,运用神经网络模型如长短期记忆网络、卷积神经网络、Doc2vec模型深入分析用户的输入需求,解决检索结果不够智能准确的问题,帮助用户更加高效地找到自己想要的项目。本文主要对基于深度学习的相似软件项目检索系统的相关设计和实现进行描述,该系统功能模块划分为用户验证模块,搜索模块,搜索列表展示模块和项目详情模块。首先,概括系统的项目背景,分析了信息检索系统和深度学习算法的研究现状。接着介绍了系统所运用的架构技术SSM框架和深度学习算法的原理。然后,介绍本系统的需求设计、架构设计、模块设计和数据库设计。接着详细介绍LSTM,CNN和Doc2vec三种算法设计、模型设计、算法实现和评估结果,各模块详细设计与实现。最后,给出本系统系统测试情况。本文提出的三种算法设计的核心思想是将向量化后的用户输入用神经网络分类模型转化为基于项目类别的概率分布向量,基于分类结果进行聚类。这些向量形成软件项目类型空间,有利于运用距离公式计算向量相似度从而得到软件项目的相似度。本文实现的相似软件项目检索系统通过深度学习算法分析用户输入,增强了对用户查询意图的理解,也在一定程度上弥补了用户表达需求能力的不足。用户自由选择检索算法,针对检索结果给出自己的满意度,使系统和用户之间建立起一个平等相互的反馈机制。