随着社交媒体和移动多媒体的发展,社交图片网站(如Flickr)提供了大量由不同用户进行文本标注的图片。社交图片往往附带多种信息,譬如视觉特征、标签和用户等。一般仅对单一特征进行管理,或使用普通图对语义网络进行表示。然而,单一特征只能表示某方面的相关性,不能用来表示真实的语义关联。由于普通图不能够表示高维关系,故造成了信息缺失,因而需要一个框架来融合多种特征信息和表示高维关系,并能进行有效的检索和管理。不同于基于普通图模型的方法,本文使用超图模型对社交图片进行建模,因为社交图片多种信息间的关系比成对关系更加复杂。基于超图模型,本文给出了一个可扩展的交互式图片检索和标注系统HIRT;该系统利用个性化PageRank度量结点之间的相似度,并使用Top-k查询以支持相似图片检索、关键字图片检索和图片标注等功能。为了保证系统的可扩展性和高效性,本文利用批量技术、并行技术和缓冲技术提出了四种高效方法来计算转移概率矩阵,并将其存储于磁盘上的B+树中,同时开发了并行和近似的个性化PageRank算法以进一步加速Top-k查询。此外,一种基于群体计算的交互式方法也被提出以提升Top-k查询的质量。最后在大规模Flickr数据集上的大量实验评估证实,相较于现有的系统和技术,本文所提出的HIRT系统具有更好的效率和可扩展性。