随着移动设备和计算机硬件的发展,多媒体数据有了前所未有的增长速度。在数量庞大的多媒体数据中,用户希望用一种模态的样本从其他模态中检索与之主题相关的样本。现有的多模态检索算法通常面临这样的问题:1)多模态数据异构,不同模态数据分布不同。2)语义抽象。在很多情况下,一个主题需要多种模态的数据来进行阐述和补充。例如,一条新闻通常不仅包含文字内容,还包含用来说明事件的图片或视频。为解决上述问题,本文在图卷积网络的基础上,融合生成对抗网络和注意力机制,通过有效拟合多模态数据分布,在缩小两种模态间的异质性方面取得了很好的效果。本文工作如下:（1）提出一种基于生成对抗学习和图卷积网络的跨模态检索（Adversarial Graph Convolutional Network for Cross-modal Retrieval）方法。语义表达的完整性在跨模态检索任务中起着重要作用,它有助于对齐跨模态数据,缩小模态差距。但由于语义的抽象性,同一个主题可能需要从不同的方面才能被很好地描述,所以用单个样本描述主题会导致语义表达不完整。为获得语义互补信息,增强具有相同语义样本的相似信息,本方法利用图卷积网络（graph convolutional network,GCN）根据样本自身与邻居间的邻接关系重构样本表示。本方法为每个实例构造了一个局部图,并提出一种新的基于GCN的图特征生成器和一个全连接网络来重构局部图的节点特征,并将两种模态的特征映射到一个公共空间中。图特征生成器和图特征判别器采用极大极小博弈策略生成模态不变的图特征表示。在三个基准数据集上的实验表明,与几种最新的方法相比,该方法提出的模型具有优越性。（2）提出一种基于迭代图记忆网络的跨模态检索（Iterative Graph Attention Memory Network for Cross-Modal Retrieval）方法。如何消除多模态数据之间的异质性差异、有效融合多模态特征是跨模态检索的关键问题。语义的抽象性使得单个样本的语义表达具有片面性。为获得具有相同语义样本之间的互补信息,本方法为每个实例构造一个局部图,并利用图特征提取器（graph feature extraction,GFE）根据样本自身与相邻样本间的邻接关系重构样本表示。现有的一些跨模态检索算法只关注成对样本的学习,不能从其他模态整合更多的跨模态的信息。因此,本方法利用跨模态图注意策略,根据每个样本对应的成对样本局部图为每个样本生成图注意表示。为消除模态间的异质差异,该方法利用一种循环门控记忆网络融合两种模态的特征,从其他模态中选择突出的特征,过滤掉不重要的信息,从而在公共潜在空间中获得判别能力更好的特征。在四个基准数据集上的实验表明,该方法提出的模型与最先进的跨模态检索方法相比具有优越性。