近些年,随着对于CAD等三维模型重用需求的不断增强,三维模型检索技术的研究越来越重要。同时,三维模型数量的剧增,也推动了该领域的研究。基于语义的三维模型检索是当前的研究重点,相关反馈是语义检索的重要手段。近年来相关的研究人员通过研究如何让用户参与到检索过程中,不断提高了系统检索性能,较好地克服了底层特征与用户理解的高层语义之间的鸿沟问题。一方面,相关反馈方式能迅速获取用户的检索意图,从而优化检索结果;另一方面,从统计学习的角度出发,长期学习因为能有效地挖掘历史数据间的内在关联,所以在三维模型检索中也开始得到重视。　　 本文首先介绍了基于内容的三维模型检索技术的基本组成框架,总结了目前的模型特征提取技术及相似性度量方式;接下来详述了语义三维模型检索发展的状况、常用技术等,并引入相关反馈作为获取用户语义的重要手段,同时结合基于反馈日志的长期学习机制,有效地挖掘模型特征数据之间内在的关联性;还有,本文分析了传统的二分类反馈方式的优缺点,提出了本文的反馈方式,从而能让用户充分地表达反馈意图;最后,采用了多种特征组合的方式表示单个模型的属性特征,克服了单个特征表达的缺点。基于本文的方法思路我们实现了一个三维模型的语义检索系统。通过大量的实验表明,本文的方法能在用户反馈标记样本极少的情形下,快速地获取用户的检索意图,并且比基于支持向量机(support vector machine,SVM)的相关反馈的检索性能更好,同时随着反馈日志的增多,语义三维模型检索性能不断提高。