随着互联网大数据时代的到来,越来越多的信息从书面存储转向了网络存储,数字技术在人们的工作生活中的各个方面都体现的淋漓尽致,越来越多的检索系统被应用到了不同场景下进行信息检索。对于跨境民族文化领域来说,由于人们对于跨境民族文化间的差异了解需求逐渐增加,如何快捷有效的对跨境民族文化文本进行检索,是目前最为重要的任务。因此,本论文通过对跨境民族文化领域文本检索进行研究,可以让人们对于跨境民族文化的了解更加方便快捷。本文的主要工作如下:（1）跨境民族文化知识图谱构建为了使跨境民族文化文本检索的结果更加准确,本文通过构建一个跨境民族文化知识图谱来辅助检索。通过调查研究,选取所要研究的本土民族为傣族、彝族,跨境民族包括傣族的跨境民族泰族、掸族、佬族和彝族的跨境民族倮倮族;定义跨境民族文化知识图谱的分类体系以及数据模式,并且根据定义好的跨境民族文化分类体系从现有的知识图谱和百科类网站的Infobox中来进行相关三元组知识的抽取,总共获取相关的知识三元组863条,将这些三元组导入Neo4j图数据库完成跨境民族文化知识图谱的构建。（2）融合实体向量的跨境民族文化文本分类方法针对跨境民族文化领域的文本语义环境复杂,特征质量参差不齐的问题,提出一种融合实体向量的跨境民族文化文本分类方法。首先利用Trans E模型对跨境民族文化知识图谱中的知识三元组进行向量化表示,得到实体向量、关系向量以及实体的标签向量,把这三种向量进行融合得到实体的语义向量;并且使用BERT预训练模型对文本中的每个词语进行向量表征,通过文本中实体的位置信息把相应的实体语义向量与BERT模型表示的实体词向量相融合,然后采用Bi GRU神经网络模型进行模型训练,最终得到训练好的跨境民族文化文本分类模型,利用训练好的模型来对爬取到的数据进行分类,把分类好的数据作为待检索数据。（3）基于实体语义扩展的跨境民族文化文本检索方法针对用户输入的Query语句语义稀疏的问题,提出一种基于实体语义扩展的跨境民族文化文本检索方法。首先对用户通过输入的Query文本进行预处理,把预处理后的词语分别映射到跨境民族文化知识图谱中,返回包含该实体的三元组以及这些三元组中实体的标签信息;然后把这些知识三元组和实体标签信息通过Trans H模型进行向量化表示,并且把这些相关的关系向量以及实体的标签向量融合到相应的实体向量中,得到扩展后的实体语义向量,把扩展后的实体语义向量融合到Query的实体向量中,对Query中的实体进行语义扩展;再分别利用卷积神经网络提取查询文本Query和待检索文本Document的n＿gram文本特征,把Query的文本特征向量与Document的文本特征向量分别进行相似度计算,得到相应的相似度向量,然后把这些相似度向量通过高斯核函数映射到语义空间中得到新的特征向量,利用排序学习中的Point Wise方法来计算Query与Document之间的相关性,最终完成模型的训练,并且利用训练好的模型来根据Query检索出相应的Document文本。（4）跨境民族文化文本检索原型系统的设计与实现使用Django框架构建跨境民族文化文本检索系统,该系统主要分为四个功能模块,分别是实体查询模块、关系查询模块、文本分类模块以及文本检索模块。其中,实体查询模块的主要功能是根据用户输入的实体来查询与该实体直接相关的其它实体;关系查询模块则是通过用户输入的两个实体来查询这两个实体之间存在的关系;文本分类模块则是把用户输入的文本来进行分类,确定该文本的类别标签;文本检索模块是根据用户输入的Query查询文本,通过调用训练好的跨境民族文化文本检索模型从已经分类完成的跨境民族文化文本数据集中检索出相应的文档。