针对传统匹配算法匹配综合性共享数据时匹配效率低、稳定性差等问题,文中基于深度学习研究了一种新的综合性共享数据匹配算法。对历史研究数据进行探索性采集,将采集到的数据进行信息参数化处理,确定匹配算法参数,采用WRED工具实现对数据的预处理,利用树干式模型加速数据的计算与查询提高计算效率,分别从数据生成、碎片数据和数据重要度三方面实现算法,设定对比实验。结果表明,基于深度学习的综合性共享数据匹配算法能够在短时间内实现匹配,且匹配过程具有很高的稳定性。