針對不同模態數據對相同語義主題表達存在差異性，以及傳統跨媒體檢索算法忽略了不同模態數據能以合作的方式探索數據的內在語義信息等問題，提出了一種新的基于潛語義主題加強的跨媒體檢索（ LSTR）算法。首先，利用隱狄利克雷分布（LDA）模型構造文本語義空間，然后以詞袋（BoW）模型來表達文本對應的圖像；其次，使用多分類邏輯回歸對圖像和文本分類，用得到的基于多分類的后驗概率表示文本和圖像的潛語義主題；最后，利用文本潛語義主題去正則化圖像的潛語義主題，使圖像的潛語義主題得到加強，同時使它們之間的語義關聯最大化。在Wikipedia數據集上，文本檢索圖像和圖像檢索文本的平均查準率為57. 0%，比典型相關性分析（CCA）、SM（ Semantic　Matching）、SCM（ Semantic Correlation Matching）算法的平均查準率分別提高了35. 1%、34. 8%、32. 1%。實驗結果表明LSTR算法能有效地提高跨媒體檢索的平均查準率。
?