在大数据时代,网络已经成为文化传播的主要载体,利用智能化信息技术及时获取和分析边疆民族文化大数据意义重大。跨境民族文档关联分析能够省时省力地帮助人们分析跨境民族文化间的差异性,及时获取跨境民族文化文本数据之间的关联关系。然而,跨境民族文化文档关联分析属于特定领域任务,文本数据中语义比较复杂,仅通过现有的深度学习模型探索跨境民族文化文本数据之间的关联存在一定的困难。本文立足于跨境民族文化领域的实际需求,围绕跨境民族文化文本数据的特点,基于分层注意力网络、图卷积神经网络以及卷积神经网络等前沿技术,研究了跨境民族文化文本分类任务、跨境民族文化文本聚类任务以及跨境民族文化文本排序任务。主要的工作如下:（1）融合领域知识图谱的跨境民族文本分类方法利用文本分类技术区分出跨境民族文化文本数据是跨境民族文化文档关联分析任务的基础。基于跨境民族文化文本数据缺乏外部知识引导的情况下,识别原文中的重要信息的能力不足,导致跨境民族文化类别分类不准确的问题,提出了融合领域知识图谱的跨境民族文本分类方法。利用跨境民族文化知识图谱对文本中的跨境民族实体进行语义扩展,通过实体在知识图谱中的类别特征来增强文本的类别语义特征。利用标题辅助正文锁定关键词、补充和概括正文的优势将其与正文进行联合,并把提取到的不同层次的特征信息结合到一起辅助分类,缓解了跨境民族文化类别交叉的问题。实验结果表明提出的融合领域知识图谱的跨境民族文本分类方法较基线模型取得了较好的分类效果。（2）融合领域知识图谱的跨境民族文本聚类方法从大规模的跨境民族文化文本数据中找出文本之间的关联关系是跨境民族文化文档关联分析任务的重点。现有文本聚类模型大多基于文本本身的语义特征出发,无法捕获文本之间的关联关系,基于跨境民族文化文本数据本身的特点,提出一种融合领域知识图谱的跨境民族文本聚类方法。利用跨境民族文化知识图谱扩展实体语义信息后进行文本局部特征向量的提取,构造了一个包含文本、主题和实体的跨境民族文化文档关联分析图,采用异构图卷积神经网络学习丰富的跨境民族文化文本数据的全局特征表示,通过变分自编码网络融合文本局部和全局特征信息,利用跨境民族文化文本的潜在特征表示进行聚类。实验结果表明,提出的融合领域知识图谱的跨境民族文化文本聚类方法较基线模型取得了更好的聚类效果。（3）融合文档主题特征的跨境民族文本排序方法对跨境民族文化文本数据进行检索是跨境民族文化文档关联分析任务的重要环节,其中对排序是文本检索任务的重要环节。基于现有文本排序方法采用文本间的语义相似度进行排序忽略文本间的主题特征信息,导致检索结果不全面的问题,提出了一种融合文档主题特征的跨境民族文本排序方法。利用知识表示模型对跨境民族文化知识图谱中的三元组信息进行向量化表示,将其融合到文本中补充检索文本实体语义信息,利用文本聚类方法捕获文本数据之间的关联关系,将文档主题特征融入到检索文本和待检索文本中,构建检索文本和待检索文本之间的相似度矩阵,检索出与查询文本相关的文本数据,根据文本相似度分数排序。实验结果表明,提出的融合文档主题特征的跨境民族文本排序方法较基线模型取得了更好的效果。（4）跨境民族文化文本关联分析原型系统的设计与实现基于以上研究成果,设计并实现了跨境民族文化文档关联分析原型系统。集成了数据处理模块、跨境民族文化实体语义扩展模块、跨境民族文化文本分类模块、跨境民族文化文本检索模块,为相关用户提供了可视化的信息获取平台。