微信作为一款可以实现信息获取、交流、检索和传播的即时通讯软件,受到广大手机用户的青睐。随着大数据时代的到来,微信数据也逐渐呈现出了多样性、海量性以及复杂性等特点,其中包含了丰富的多媒体数据资源,且普遍存在底层特征异构,高层语义丰富的特点,给传统的多媒体检索带来了巨大的挑战。如何挖掘和关联多媒体数据的语义特征,实现不同类型数据的灵活跨越,是跨媒体检索的关键问题。本文首先采用文献计量方法对2004-2018年间发表的跨媒体检索相关文献进行分析,在讨论跨媒体检索的研究背景、研究意义以及研究现状等内容的基础上,根据文献发布时间、学科、期刊、机构、作者和关键词分布情况,挖掘跨媒体检索的发展脉络和研究热点,为进一步推动国内相关跨媒体检索研究发展提供参考意义。针对微信文本和图像在底层特征上的异构性和语义鸿沟问题,实现多媒体数据之间的语义关联变得尤为关键,于是本文设计了一种基于语义关联的微信跨媒体检索模型。多媒体数据的特征提取是实现跨媒体检索的基础,因此首先通过对微信用户提交的查询示例进行特征分析与提取,研究了文本和图像在底层内容特征上的统计关系,在特征降维的同时最大程度地保持了潜在相关性,使用相关技术挖掘文本和图像的语义特征,通过典型相关性分析进行特征映射,并存储在跨媒体语义关联子空间中;然后通过距离函数计算文本和图像之间的语义关联度,实现文本和图像之间的跨媒体检索;最后,通过相关反馈策略和用户交互行为即时更新跨媒体语义关联子空间,为用户提供更符合检索需求的结果。基于语义关联的微信跨媒体检索模型可以实现文本和图像之间的相互检索,并且通过与仅采用典型相关性分析的跨媒体检索和基于语义相似度的跨媒体检索结果进行对比分析,证明本文提出的方法具有可行性且检索性能良好。