随着人民生活水平的不断提高,越来越多的人也开始选择通过民航系统出行。而在民航飞行规模增长的同时,一些可能影响民航飞行过程中的安全隐患也逐渐浮出水面。航空安全事件是指与航空器运行有关的,造成人员伤亡、经济损失、航空器损坏或失踪的意外事件。与此同时,信息资源的爆炸式增长与网络资讯的飞速传播,对于航空安全事件的数据收集与整理也造成了极大的挑战。因此,研究面向跨媒体信息的图文关联方法,并应用在航空安全事件的知识库构建上,具有重要意义,本文对以下内容进行了研究。针对航空安全事件模态单一的问题提出了一种基于循环残差网络的改进方法用于图文检索。该方法的主体为包含残差连接与循环连接的双分支嵌入网络,在精简计算量的同时提取更深的特征。对算法的改进主要在于特征提取步骤中采用的高斯-拉普拉斯多重混合模型的使用,目标函数采用基于三元组的双向排序损失。以R@K作为实验指标,表明了该设置对于实验效果有着一定的改进。在公共数据集上,双向检索的R@K值与改进前的循环残差网络相比提高了近1%,将该特征嵌入方法应用于航空安全事件图像和文本的双向检索,实验效果也比不使用嵌入组件的网络更好。为了实现面向航空安全事件更准确的图文匹配,采用一种双路CNN模型,与检索网络同样为双分支,在嵌入分支上使用残差连接与卷积层提取特征,并且加入了端到端的实例损失进行微调,最后基于余弦距离并结合实例损失与排序损失设计了目标函数。将模型应用于航空安全事件数据集上,结果与之前相关方法进行对比,表明该方法有效提升了图文匹配结果上约7个百分点的召回率。并且,为民航领域信息的模态扩充与整理提供了有效的方法支撑。