随着语义Web的不断发展,语义Web数据的数量也在快速增长。无论是应用系统或最终用户,都有着对语义Web数据进行查询的需求。但是,面向语义Web数据的形式化查询语言对于普通用户而言仍然过于复杂。原因在于构造结构化查询不但要求用户了解查询语言的语法和语义,还要求用户必须掌握待查询数据的模式。因此,本文围绕着语义Web数据关键词查询方法开展研究,主要工作包括:　　 (1)提出了三种面向语义Web数据的关键词查询模型。分别以RDF句子图、r出半径图和实体三元组关联图模型组织语义Web数据,给出不同模型下关键词查询问题的定义。分析了三种语义Web数据组织方式的性质和特点以及数据转换所需要的开销,指出它们各自的适用场景。　　 (2)提出一种基于RDF句子图的关键词查询方法。将关键词查询结果建模为包括所有查询关键词并且叶节点是关键词节点的无根树。提出一个启发式的关键词查询算法,支持top-k查询。　　 (3)提出一种基于r出半径图的关键词查询方法。利用r出半径图作为处理单元,利用关键词倒排索引及关系索引来加快实时响应速度。提出一种更合理的评分公式,考虑语义Web数据中关系的流行度,结合文本相关性和关系流行度衡量查询结果与查询关键词之间的相关性。　　 (4)提出一种基于实体三元组关联图的关键词查询方法(KREAG)。在实体三元组关联图模型基础上,将关键词查询问题转化为关联图上查找有向斯坦纳树问题。在保证近似比为m的前提下(m为查询关键词的个数),利用近似算法实现了快速查询响应。　　 本文对以上研究内容开展了相应的实验,并与相关工作进行了比较。实验结果表明,本文中提出的概念和方法是合理的,能够快速、有效地解决语义Web数据的关键词查询问题。