随着多媒体数据的不断增长,对信息描述的复杂程度也在增加。同一语义的信息,经常通过多个角度、多种数据类型来进行描述。从不同模态中如何提取特征信息以及特征信息的关联建模问题,成为了研究者研究的重点之一。同时,在电子商务领域,人们对于商品检索的要求进一步提高。用户对于同一张商品图像的描述和理解具有鲜明的个人特征,不同用户对同一种语义描述的内容也会有不同的理解。为用户提供跨模态的商品图像检索服务,能够更好的满足用户的需求。为实现跨模态检索,需要对不同模态数据进行特征提取。针对本研究涉及图像和文本两个模态,分别采用常用的特征提取方法提取了图像和文本两个模态特征,建立了图像-文本特征空间。基于子空间学习的跨模态检索方法在构建目标函数的时候往往关注具有相同语义的不同模态数据在子空间中的投影距离,使其尽可能地小。但这些方法在数据训练过程中常常忽略了对不同语义不同模态数据的训练,检索准确率不高。围绕该问题,本文提出了改进子空间学习的跨模态检索方法,该方法首先引入训练不同语义不同模态数据在子空间中投影距离的部分构造新的目标函数,然后按照不同模态数据在公共子空间中的类内距离尽可能地减少,同时类间距离尽可能地减小的原则实现目标函数优化。最后通过对比实验对文本特征和图像特征的表现进行了评估,同时验证了本文提出的改进子空间学习的跨模态检索方法的有效性。本文通过采用对比实验的方法,分别对比了不同图像特征和文本特征在本文提出的方法上的实验效果。同时在公开数据集Wikipedia和自建商品数据集上,对本文提出的方法和跨模态相关传播方法、基于最近邻的异质相似性度量方法以及联合特征选择的子空间学习方法做了对比实验。实验结果表明,图像使用梯度方向直方图特征,同时文本使用文档频率-逆文档频率特征时在本文提出的方法上实验效果较好;当图像使用梯度方向直方图特征,文本使用文档频率-逆文档频率特征时,在相同实验环境下,本文提出的方法的图像检索文本的平均准确率均值分别比上述三种方法高8.65%,9.88%,0.62%;文本检索图像的平均准确率均值分别比上述三种方法高9.33%,9.81%,0.68%。实验结果验证了本文提出的方法的有效性。