RDF数据查询作为从海量RDF数据中发现有用知识的技术,在数据管理领域占有重要地位。然而,现有的数据查询研究仍存在一些缺陷：传统方法主要集中在基于关键字的查询,而忽视了关键字本身的语义信息及数据之间的结构信息,因此结果冗余与偏离等问题普遍存在；在海量数据的应用背景下,如何有效的排序输出查询结果这一问题同样亟待解决。因此为解决现有RDF数据查询方法在实际应用中存在的问题,本文着重在以下几个方面进行研究和探讨：第一,针对现存的基于关键词查询的RDF数据检索系统存在的不足,提出了一种基于RDF数据图的关键词检索模型,该模型首先对RDF数据进行预处理,作为结果排序阶段的排序依据；然后经过图查询阶段,生成结果子图；最后在结果排序阶段,进行综合评分并以Top-K方式降序输出。第二,在图查询算法的研究中,将基于迭代的网络社团探测算法引入到图查询算法中,提出一种基于迭代的RDF数据图查询算法ISGR,该算法与传统的图查询算法相比,算法的执行效率有了较大提升。第三,为解决RDF数据图的查询结果冗余与偏离等问题,提出一种新的结果子图相似度计算方法SimLM,同时考虑到数据本身的语义信息及结构信息,根据关键词图与结果子图之间的结构信息,利用统计语言模型,能够输出较为理想的结果序列。最后,通过实验对所提出的SimLM图相似度计算方法的有效性进行了验证。通过对比实验结果表明,提出的查询模型及排序方法在一致性和相关性方面的性能优于传统模型。