本发明涉及一种基于深度学习语义蕴含的商品检索方法及存储介质，包括以下步骤：对已经标注的商品信息进行数据规范化，得到商品信息的四元组信息；根据商品信息中的标题数据进行训练引入文本生成的商品检索模型；根据商品信息的四元组信息进行训练得到商品信息蕴含模型；对待检索商品通过商品检索模型进行商品召回，得到候选商品列表；将候选商品列表中的候选商品通过商品信息蕴含模型进行蕴含度计算，根据候选商品的蕴含度对候选商品进行排序。解决了双塔式模型缺少商品信息间交互的弊端，进一步提升了相似商品排序的精度，同时由于双塔式模型的召回，节省了大量的模型计算时间与设备成本。具有更好的鲁棒性、更快的速度以及更高的精度。