基于深度网络的跨模式检索最近取得了重大进展。 但是，缩小模态差距以进一步提高检索准确性仍然是关键的瓶颈。 在本文中，我们提出了一种图卷积哈希（GCH）方法，该方法通过一个亲和度图学习模态统一的二进制代码。 端到端的深度架构由三个主要组件构成：语义编码器模块，两个特征编码网络和图卷积网络（GCN）.Wedesignasemanticencoderasa教师模块指导语义的特征编码过程（即学生模块）信息开发。 此外，利用GCNi来探索数据点之间的固有相似性结构，这将有助于生成可区分的哈希码。 在三个基