时态图模式匹配研究可以帮助人们更好地了解数据对象之间的关系变化情况,例如,对象之间关系建立的先后顺序、多个对象之间关系的演化过程、多个对象之间关系的持续状态等等,其在网络异常检测、社交网络分析、蛋白质功能挖掘等方面都有重要的应用。然而,相较于静态图模式匹配研究,时态图模式匹配面临着诸多挑战:（1）计算难度更高,其至少和静态图模式匹配难度相当;（2）处理大规模数据图或者稠密查询模式时需要更多的计算资源。基于以上原因,现有的研究工作不能够全面而高效地解决时态图模式匹配问题。本文从时态数据的时序性、持续性和演化性出发,研究了时态图模式匹配问题。具体地,本文的主要研究内容如下。1.时序受限图模式匹配。时序受限图模式匹配问题除了要求匹配同查询模式图同构,还要求匹配的边上的时间满足指定的时序关系。从时态数据的时序性出发,本文给出了时态图上时序受限图模式匹配问题的形式化定义,根据定义的特点,设计了一个分两阶段执行的算法枚举时序匹配。算法的第一个阶段搜索查询模式图中边的候选匹配边并在索引中维护这些匹配,算法的第二个阶段在索引上采用逐边的方式直接枚举匹配。为了减小索引占据的空间和索引内不合格候选匹配的数目,本文精心设计了三个过滤器来最大限度地排除不合格的候选匹配。为了验证算法的表现,本文在真实的数据集上同已有的算法进行比较。实验结果表明,本文提出的算法能够在占用较少内存空间的情况下高效地枚举给定查询模式图的所有时序匹配。2.持续图模式匹配。持续图模式匹配问题要求查询模式图的匹配在时态图的多张快照上都出现。从时态数据的持续性出发,本文给出了时态图上持续图模式匹配问题的形式化定义,根据定义的特点,设计了一个分三阶段执行的算法枚举持续匹配。算法的第一阶段将查询模式图分解得到查询树,算法的第二阶段根据查询树查找查询模式图中顶点的候选匹配并在索引中维护这些匹配,算法的第三阶段在索引上采用逐条路径的方式直接枚举匹配。为了提高枚举匹配的效率和减少索引占用的空间,本文设计了启发式的匹配序生成方法和时间实例集合压缩方法。为了验证算法的表现,本文在真实的数据集上同已有的算法进行比较。实验结果表明,本文提出的算法能够在占用较少内存空间的情况下在大规模时态图上高效地枚举给定查询模式图的所有持续匹配。3.最大持续图模式匹配。持续图模式匹配问题要求查询模式图的一个匹配在时态图的多张快照上都出现且该匹配是所有匹配中最大的。从时态数据的持续性出发,本文首次给出了时态图上持续可达集、持续多跳邻居、持续连通集和持续三角形的形式化定义,并基于以上定义给出最大持续图模式匹配的定义。本文从多个角度分析了最大持续图模式匹配问题的计算复杂性。为了快速查找最大持续匹配,本文构建了辅助图并利用多种剪枝策略避免无效的递归调用。真实数据集上的实验结果表明,本文提出的算法能够极其高效地查找最大持续匹配。4.演化图模式匹配。演化图模式匹配问题要求查询模式图集合中的查询模式图在时态图中的匹配之间满足指定的时序约束。从时态数据的演化性出发,本文首次给出了时态图上演化图模式匹配问题的形式化定义,根据定义的特点,本文设计了一个分两阶段执行的算法枚举演化匹配。算法的第一阶段查找查询模式图中边的候选匹配并在索引中维护这些匹配,算法的第二阶段在索引上采用逐边的方式直接枚举匹配。为了改善查找候选边匹配和在索引上枚举匹配的效率,本文设计了自适应的查找方法、自适应的匹配序生成方法和并行优化方法。为了验证算法的表现,本文在真实的数据集上同已有的算法进行比较。实验结果表明,本文提出的算法能够在占用较少内存空间的情况下在大规模时态图上高效地枚举给定查询模式图的所有演化匹配。