随着移动互联网的不断发展，电子商务的规模也在迅速增长，并改变着人们的购物习惯。面对电子商务平台中海量的商品，如何帮助用户快速便捷地搜索到所需的商品是电子商务平台的核心竞争力。在无分类的电子商务平台中，为简化商品的发布流程，去除商品发布时选择商品类的过程，可极大改善商家发布商品的用户体验，同时也使得电子商务平台在维护商品分类体系时更加灵活。然而，由于商家在商品发布时没有指定商品分类，对商品搜索引擎提出了挑战，如何为用户搜索到所需要的商品成为无分类电商搜索引擎的核心问题。因此，迫切需要建立一种新型的商品类型识别方法和搜索方法。　　本文在团队已有研究成果基础上，结合义乌小商品与深度神经网络的特性，基于深度学习技术，从小商品图片分类模型，小商品图片语义模型和小商品相异数改进算法等三个方面展开研究，并构建了基于深度学习技术的小商品搜索引擎系统，提高了无分类电子商务平台搜索引擎的查准率，本文取得主要贡献如下:　　提出了一种小商品图片的分类模型和语义模型，主要从词库和图片库的构建，训练数据集的获取和预处理，研究了AlexNet、GoogLeNet、ResNet三种神经网络模型在商品图片分类中的应用效果，设计小商品图片的分类模型，解决了商品图片的语义问题，实验验证了模型的正确性。　　提出了一种小商品图片相异数改进算法，结合小商品图片的语义特征，建立相异数的优化算法，通过实验验证了小商品图片相异数改进算法的有效性。　　实现了基于深度学习技术的小商品搜索引擎，该搜索系统结合了小商品图片的分类模型和语义模型及小商品的相异数改进算法，实验表明，搜索效果有了明显改善，小商品搜索查准率在90％以上。　　本文成果在义乌购电商平台(www.yiwugou.com)上得到应用，并获得用户的好评。