随着互联网和社交媒体的发展,多媒体数据呈现爆发式增长。特别是在新闻领域中,人们从社交网络中获取到大量的多媒体数据,包括文本、图片、视频等。因此对新闻中的多模态数据进行管理和分析的需求增大。跨模态检索是其中比较常见的方法,跨模态检索打破了传统单模态检索的局限性,实现了多模态间的交叉检索,便于多模态数据的组织与管理。虽然现有的跨模态检索研究已经取得了许多突破性进展,但跨模态检索在面对大数据量的多模态数据会出现检索速度慢和检索准确率低以及存储开销大等缺点。哈希方法由于存储开销低和查询速度快等特点备受关注,现已广泛应用于大规模数据检索之中。现有的哈希跨模态检索算法大多是监督跨模态检索算法,但在具体环境下,跨模态检索面临标签获取难度大、成对多模态数据不足等问题。本文结合跨模态检索面临的不同具体场景,进行了半监督跨模态检索算法研究,主要工作如下:（1）提出了一种基于语义对齐的半监督深度跨模态哈希算法。该算法针对大规模数据下跨模态检索的数据标签缺失问题,使用残差网络提取多模态数据深度特征,之后利用成对模态（图像-文本对）中固有的内在联系生成相似矩阵,将多模态特征之间的相似性与哈希码之间的相似性进行对齐,生成一致性哈希码。本文在WIKI、MIRFlickr、NUS-WIDE三个数据集上进行了实验,并与CVH、IMH、LCMH等跨模态哈希方法进行对比。实验结果表明,基于语义对齐的半监督深度跨模态哈希算法相比于现有的跨模态哈希方法,提升了检索的准确率。（2）提出一种无监督半配对深度跨模态哈希算法。该算法针对现实世界中由于某些模态数据缺失、模态之间的成对信息未知等问题导致的跨模态哈希算法效率下降的问题提出了一种解决方案。首先训练两个生成器来填充不完整的成对信息,以便扩充原始数据中有限的成对跨模态信息。然后使用增强的成对数据构造相关图,学习哈希函数并生成统一哈希码。本文在MIRFlickr、NUS-WIDE两个数据集上进行了实验,并与现有四个半配对跨模态哈希方法进行了比较。实验结果表明,无监督半配对深度跨模态哈希算法相比于现有算法,提升了检索的准确率。（3）设计并实现了一套面向热点新闻的跨模态检索系统。本系统基于web服务器和浏览器的B/S（Browser/Server）架构,集成了数据采集和处理模块、跨模态检索模块和可视化页面展示模块,向用户提供了图片和文本互相检索的功能,提高了检索的准确率,满足了用户对多模态数据检索的需求。