随着全球经济一体化的进程和英特网开放的信息网络发展,电子商务成为了现代服务业中重要的产业。自动生成商品图像准确的语义描述对于提高检索精度和用户购物体验都有着重要的应用价值,传统基于文本特征的商品检索系统有手工标注的局限性,基于图像分类和目标检测技术的图像语义描述虽然弥补了这个缺点,可是获取的商品信息单一,简单的语义描述无法再满足如今电商领域商品信息多样性和特征元素多变性的需求,基于搜索引擎方式的电子商务平台信息检索也随之受到了极大的制约。近年来,图像描述在电子商务平台商品检索领域的应用和发展受到了各界的关注,并取得了很大的进展,但仍存在很大的局限性,为了满足商品信息描述的多样性和全面性的需求,本文针对现有问题结合深度学习取得的成果,提出了基于目标词向量的商品图像语义描述研究算法,主要研究内容如下:1、商品的准确分类和目标区域的特征提取是商品描述的重要前提,本文选择卷积神经网络作为图像特征提取的工具,为后续获取图像特征奠定良好的基础。2、根据店铺商品的标题描述特点,对大量文本描述语料进行分析,然后构建相应词向量语言模型挖掘出文本特征获得商品细粒度的特征词。3、使用特征关联的方法,将文本特征与图像特征通过关联规则构建出更高级的语义概念,形成商品图像的语义描述,融合文本特征的信息分析流程提升现有方法的局限性和精度。本文对比了不同的词向量语言模型的优劣势,为获取文本特征工作设计最合适的网络模型,并为特征关联设计最合理的关联规则,训练过程中不断优化网络参数。所提出的模型架构能有效地生成商品图像的语义描述,在评测标准上也明显优于现有的模型,描述语句的商品信息量和精度满足实际应用市场的需求。