随着社交网站（例如,Facebook、You Tube、Instagram等）和数字电子设备（诸如数码相机、手机等）的普及,互联网上的视频、图像、文本等多媒体数据呈现爆炸式的增长,如何从海量多媒体数据中快速并且准确地搜索出用户所需要的多媒体数据变得极其具有挑战性。此外,多媒体数据往往使用高维的特征表示,不同的特征表示又具有不同的数据结构,由此产生的多媒体数据间的异构性也是一个难题。为此,如何有效地获取紧凑且具有鉴别性的特征表示变成近年来的一个研究热点。哈希算法将高维空间的数据映射到低维的汉明空间,来学习到紧凑的二进制码。由于在计算、存储等方面的高效性,哈希技术已经被广泛地应用于相似性检索。本文针对多媒体数据,结合哈希学习、深度学习,深入研究单模态和跨模态媒体内容的检索算法。本文的主要研究成果和贡献如下:（1）提出了一种新的基于空间关注的深度排序哈希算法。大多数现有的深度哈希方法通过编码全局语义信息直接学习哈希函数,却忽略了图像的局部空间信息。然而局部空间结构的丢失成为哈希函数的性能瓶颈,从而限制了它在相似性检索中的性能。在这项工作中,我们探索由局部和全局视角构造的特征空间的排序结构来学习序数表示,并将它用来生成基于排序的哈希码。其中,局部空间信息是利用全卷积网络（FCN）学习得到的,全局语义信息则是通过卷积神经网络（CNN）学习得到的。此外,本文设计了有效的空间关注模型,通过选择性地学习与目标对象密切相关的位置来捕获局部空间信息。总之,这种哈希框架实现了以端到端的、排序到哈希的方式捕获图像的局部空间和全局语义特性。（2）提出了一种基于语义近邻图哈希算法。大多数现有的跨模态哈希方法基于度量距离或语义标签来定义相似性关系,然而它们忽略了度量空间中固有的类内和类间变化。由此,本文提出同时利用语义监督信息和局部近邻结构来构造语义近邻图,并且对图的局部相似性结构进行编码,通过探索类内和类间变化来保留样本的细粒度相似性关联。具体来说,分别对图像和文本模态构造语义图以捕获它们的局部相似性结构;此外,本文基于语义图的局部相似性定义一个函数,通过对类内和类间变化进行编码来自适应地计算细粒度相似性。在获得统一的哈希码之后,采用基于核的逻辑回归来独立地对每种模态学习哈希函数。（3）提出了一种深度语义多模态哈希网络,用于可扩展的多模态检索。近年来深度哈希方法由于其完美的检索性能而受到前所未有的研究关注。然而,现有的深度哈希方法大多通过保留相似性关系来学习二进制哈希码,并没有利用语义标签信息,导致学习到的二进制哈希码不是最优。而在本文中,本文通过明确地保留模态间相似性和模态内语义标签信息来联合学习两组模态特定的哈希函数,以得到更优的哈希码。本文通过将语义标签嵌入网络的哈希层,从而使网络学习到的哈希码对于分类任务是最优。不同于先前的深度哈希方法,只能关联某些特定形式的损失函数,本文所提的深度哈希框架可以灵活地与不同类型的损失函数集成。此外,约束哈希码的每个位为1或-1的概率为50%,从而使哈希码更紧凑。总体而言,基于特征表示学习、模态间相似性保留学习、语义标签保持学习和具有位平衡约束的哈希函数学习,本文提出了统一的哈希框架来学习紧凑且高质量的哈希码,实现有效的单模态和跨模态检索任务。（4）提出了一种新的基于排序的端到端哈希框架,称为深度语义保留排序哈希。深度跨模态哈希方法同时进行特征表示和哈希函数学习,已显示出优越的性能。然而,大多数现有的深度跨模态哈希方法采用二进制量化函数（例如sign（·））来生成二值哈希码,但是二进制量化函数对数值的变化敏感,致使生成的哈希码的检索性能受到限制。本文所提方法利用神经网络来探索特征维度的相对排序结构,然后对其编码以生成排序表示,并据此学习哈希函数。受益于排序相关度量的稳定性,网络可以学到更鲁棒的哈希码。本文所提方法将排序表示来预测类别标签,让基于排序的哈希函数学习与标签预测最佳地兼容,从而学到较高判别性的哈希码。同时,本文所提方法保留了模态间相似性,以保证不同模态的哈希码一致。重要的是,本文所提网络结构可以与不同类型的网络架构有效集成,展示了本文提出的哈希框架的灵活性和可扩展性。