随着多媒体数据的爆发式增长和云存储技术的迅猛发展，海量云端数据呈现出多模态混合并存的特性，如何以内容语义为标准对其进行智能化管理和跨模态分析成为传统云存储系统面临的新挑战。一方面，数据体量的增加和模态之间的差异导致有效数据的检索难度陡然提升。另一方面，现有存储系统中，数据无法建立以内容语义为标准的标签与关联。因此，根据用户需求和内容相关性智能化检索云端多模态数据是当下亟待解决的热点问题。
　　目前，本文针对图像和文本两种模态提出一种跨模态图文数据内容筛选存储机制，用于提供大规模在线相似性内容筛选服务。首先，在离线阶段根据自监督对抗哈希学习算法SSAH获取跨模态融合的哈希码。然后，根据相似数据哈希码相近的特点，计算哈希码之间的汉明距离。最后，利用Neo4j图数据库构建语义哈希码图谱，并在语义图谱中建立哈希码与存储路径之间的映射。在线筛选阶段，将用户需求(图像或文本)转化为哈希码。在筛选半径内通过语义哈希码图谱寻找相似节点，进而找到相似文件的底层存储路径返回筛选数据。通过这种存储层面的筛选设计，能够有效缓解大规模数据分析时，需要先把所有数据读出的高延迟问题。
　　本文在三个公开的跨模态图像文本数据集上进行测试，测试结果表明，CITCSS系统能够在可接受的范围内，牺牲少量召回率，实现云存储系统中基于相似内容的在线筛选功能。图文检索的准确率优于其他基准算法，同时以较小的构图时间开销和存储开销提升系统筛选的性能，为后续云存储系统的在线语义查询和大数据分析提供支持。