网络地图服务（Web Map Service,WMS）作为地图数据共享的主流标准,随着地图在大众出行、公共卫生、社会人文等诸多领域的广泛使用,目前人们已经在线共享了大量的WMS地图。然而,现有的大部分WMS地图面临着资源闲置的困境。地图的主题分类研究可以从两个方面疏解上述困境:一方面主题分类的结果可以为现有的WMS地图提供显式、统一的主题标签,服务地图资源的检索和主题定制化的内容解析;另一方面研究的内容和结论可以丰富地图资源挖掘的特征、方法和知识。针对WMS地图主题的识别与分类,现有文献大多采用地图所在图层属性字段的文本描述,忽视了地图主题相关的其它文本描述,面临着文本描述缺失或者主题模糊的挑战。少数文献直接利用地图图像分类具有显著视觉特征的特定地图主题,但是对于基于图像的非特定地图主题的分类缺乏探究。此外,部分地图主题的识别需要综合地图的文本和图像描述共同完成,但是现有融合二者分类地图主题的研究匮乏。针对上述问题与不足,本文分别对WMS地图主题相关的文本和图像信息进行挖掘,讨论并制定了地图文本和图像描述的扩展策略和特征提取方法。在此基础之上,分析了地图主题文本和图像多模特征之间的关系,提出了基于潜在特征融合多模特征的地图主题分类模型。最终从多个角度回答了如何挖掘和协同WMS地图的文本和图像多模描述自动化的分类地图主题。具体包含以下四个方面的研究内容:（1）基于内部语料库的文本描述扩展与融合专家知识的主题文本特征。针对现有研究利用地图所在图层的属性字段的文本描述面临的描述缺失和主题模糊问题,本文提出了基于内部语料库的文本描述扩展策略,并且筛选出了三种可用的内部语料资源,为主题信息的扩展和补全提供了一种可行且简便的方法。此外,将监督词项权重引入到地图文本的监督分类任务中,利用专家标记的样本标签提出了RTF-ICSδ StdF特征,进一步提高文本特征的主题分类能力。（2）融合地图和图例的多层次图像特征表征。为建模非特定地图主题类别与图像之间的复杂关系,提出了融合地图和图例的多层次图像特征表征框架。该框架首次引入图例图像和制图符号类型特征,丰富了地图主题的图像信息和特征。同时,还提出了基于迁移学习的地图和图例的卷积特征计算,并且利用PCA降对其降维优化。结果显示相比现有的地图单层图像特征,融合地图和图例的多层次图像特征可以显著提高基于图像的非特定地图主题的分类精度。（3）基于潜在特征融合多模特征的主题分类模型。为综合利用上述主题文本和图像特征中的主题信息,提出了基于潜在特征的融合策略,并且利用深度神经网络模型实现了潜在特征与主题分类器的“端到端”联合自动训练。该策略可以较好地平衡原始特征层融合的特征异构挑战和结果层融合的底层信息丢失问题。实验结果表明,融合多模描述的主题分类结果优于文本或者图像单模描述的分类结果;而且在目标图层的文本描述数据缺失时,模型依然可以借助其它文本描述和图像描述保持较高的分类精度。（4）WMS地图的文本和图像数据集与主题标注。为验证上述方法的有效性,本文对已经爬取的部分WMS地图的主题进行标注。由于地图主题的理解需要综合地图的文本和图像信息,为此本文开发了WMS地图多模描述展示与主题标注的图形用户界面。借助该系统,用户可以方便地查看地图的文本、图像、可选主题和主题的描述信息,然后通过鼠标点选操作完成地图主题的标注。借助此平台,论文标注了地图主题的多模数据集。