目前RDF数据集被广泛应用于各个领域,用户对于RDF数据的查询需求也再不断增加。然而目前已提出的基于RDF图的关键词查询方法无法实现对边上关键词的查询,而将RDF图转化为RDF二分图虽然实现边上关键词的查询但是增加图中顶点的个数从而影响查询效率;同时面对海量的RDF数据集,在集中式环境下查询存在存储空间不足和查询效率低下的问题。为了解决上述问题,本文对已有的关键词查询和图分割的方法进行研究,并提出基于索引的关键词查询方法,从而实现RDF数据的高效查询。本论文的主要工作包括:(1)为了同时实现RDF数据图中顶点和边的查询,提出双索引机制的RDF数据图查询方法。该方法首先将RDF数据转化为RDF图,利用RDF图的邻接标签矩阵,构建一个顶点索引和边索引,提高关键词的查询效率;其次通过字符串匹配方法确定关键词所在双索引的位置,根据两个索引的关系实现顶点和边的查询;最后采用相关性评测函数对查询结果子图进行相关性排序,并输出top-k个查询结果。(2)为了实现关键词的并行查询,提出RDF句子图的边分割算法,该算法采用多层次分割方法对RDF数据图进行分割。首先将RDF数据转化为RDF句子图,利用最小度数顶点算法对RDF句子图进行分割;其次,基于RDF句子图的边分割等价于对RDF图的顶点分割,从而获取分割后各个子图间的交集即为分割RDF图的点割集;最后,根据并行计算框架MapReduce实现关键词的并行查询。实验表明,本文提出的双索引机制的RDF数据图查询方法以及RDF句子图边分割算法的性能优于对比方法。