随着计算机科学与技术的发展,图数据结构在各个领域内得到广泛应用。图数据管理和查询已经成为一种研究热点。其中,图查询的基本方式分为子图匹配查询和图相似性查询。子图匹配查询返回图数据库中包含查询图的数据图,图形似性查询返回在一定的距离范围内与查询图相似的数据图。在这两种查询中,分别需要图同构验证或相似度的计算,这两种计算都已被证明是NP困难的,因此提升查询的性能也只能是最大化过滤掉非结果集。目前,对于这两种查询的优化,主要是基于过滤验证机制,即在查询时通过查询图的特征过滤掉不符的数据图,得到规模较小的候选集,然后对候选集进行同构验证或者相似度的计算。其中,一般选用图集中的频繁子图作为特征进行过滤,因为其保留了全局的结构信息,过滤性更强。在子图匹配查询问题中,现有的方式一般是通过图集中的特征建立索引,在查询时对查询图进行边扩展的方式得到相应的候选集。此方式在进行查询时的时间复杂度较高,并且没有充分利用查询图包含的特征进行索引的过滤,为此,本文提出了一种利用节点邻接特征进行过滤的索引结构Vindex。针对特定的领域,考虑图集特征之间的位置关系,结合用户的查询记录,提取其中较为有价值的特征位置关系,建立了基于嵌入特征关系的索引结构,用于减小候选集的大小。并提出利用特征之间的包含关系以及特征与数据图之间的关系,在一定程度上对索引项和候选集进行缩减。在图相似性查询问题中,现有的方法大多致力于减小编辑距离的计算时间,而对于缩小候选集规模没有提出合适的索引结构和查询过滤方法。本文结合编辑距离的概念和查询图的结构特征,对图集之中的数据图进行过滤,将相差度较大的图剔除。然后利用子图向量异或乘的方式对图进行聚集,将于查询图较为相似的图聚集在候选集中的前一部分,然后利用分支映射距离结合动态调整的方式得到一个较为精确的候选集。在验证阶段,利用图之间的编辑距离关系,建立了基于编辑距离的索引GDindex,在验证时首先与在索引之中的图进行计算,然后利用查询图和索引图的编辑距离关系,对候选集中的其他数据图进行处理,通过此种方式的处理可以减小最终的编辑距离计算的次数。最后,本文设计了验证实验,在真实Pubchem数据集上进行实验,分别从索引的建立时间、候选集大小和查询运行时间三个方面与现有方法比较。实验结果表明,与现有的方法进行相比,本文提出的方法有效可行,可以提升查询性能。