1、圖是一種通用的數(shù)據(jù)結構，能描述復雜的結構化或半結構化數(shù)據(jù)，如：XML、WWW、社會關系網(wǎng)絡、化合物集合、蛋白質與基因網(wǎng)絡等等。隨著圖在各領域內的成功應用，圖數(shù)據(jù)開始迅速累積。然而，數(shù)據(jù)量的增加，不但沒有帶來信息獲取的便利，反而由于圖數(shù)據(jù)的復雜本質，使得學習與研究工作更難展開。圖查詢是圖數(shù)據(jù)集上的一個典型應用，用于從海量圖數(shù)據(jù)中獲取用戶需要的知識。與傳統(tǒng)查詢技術相比，圖查詢具有自己的特點與難點，如：數(shù)據(jù)結構復雜，操控困難；子圖同構已被證明

2、是NP完全問題，是圖查詢領域中不可避免的基本操作之一；圖數(shù)據(jù)種類繁雜，等等。正是這些難點，導致圖查詢技術的研究充滿了機遇與挑戰(zhàn)。
　　本文通過對圖數(shù)據(jù)查詢技術的研究，歸納總結了現(xiàn)有研究成果的思想和優(yōu)缺點，重點研究了頻繁子圖查詢、超圖查詢、包含查詢、相交子圖查詢等技術專題，主要的研究成果與創(chuàng)新如下：
　　第一、現(xiàn)有效率較高的頻繁子圖模式查詢算法，在生成頻繁子圖的過程中，對邊的擴展通常采用深度優(yōu)先的方法。而且，對頻繁子圖的每次擴

3、展，均需要通過子圖同構計算驗證其正確性。然而，深度優(yōu)先的擴展方式雖然能有效避免查詢算法重復生成中間結果，卻帶來了更高的時間復雜性。本文提出了一種高效的頻繁子圖查詢算法，通過先生成頻繁子樹，進而通過這些頻繁子樹進一步生成頻繁子圖。在生成頻繁子樹的過程中，采用深度優(yōu)先的遍歷方式避免中間結果的重復計算，并利用子樹同構可在多項式時間內完成的特點提高該部分算法的效率。另一方面，在由子樹向子圖擴展的過程中，通過廣度優(yōu)先的方式進行擴展，不但能有效避免

4、中間結果的重復生成，而且進一步提高了算法的效率。理論分析與實驗結果顯示，采用這種查詢方法，使查詢效率提高了O(√n· log n)倍，并在提高效率的同時，得到正確的結果集。
　　第二、超圖查詢算法采用過濾與驗證模式，即：通過對圖集的過濾，得到更小、更精確的候選集，從而降低查詢過程中子圖同構次數(shù)，進而提高算法的效率。超圖查詢的過濾規(guī)則為包含邏輯，即如果甲圖包含乙圖，則甲圖必然包含乙圖的所有子圖。查詢算法的索引通常建立于圖集中的頻繁模

5、式，包括頻繁子圖、頻繁子樹或頻繁路徑等。然而，在給定查詢圖之后，無論何種索引，均需要得到查詢圖包含的索引模式，并通過索引模式支持集的交集得到候選集。在得到查詢圖包含的索引模式過程中，需要進行查詢圖子圖枚舉，并與索引模式之間進行子圖同構，得到查詢圖包含的索引模式。本文提出查詢算法VFM，通過圖集中關鍵節(jié)點與頻繁模式之間的映射，將得到被查詢圖包含的索引模式的過程由指數(shù)形式降低為多項式形式，從而顯著提高了算法效率。實驗結果表明，采用該算法進行

6、查詢，其效率遠高于當前已經(jīng)提出的算法。
　　第三、圖查詢問題包含的另一類查詢問題，稱為包含查詢。包含查詢與超圖查詢的本質區(qū)別在于，它采用的過濾手段為排除邏輯，即：給定查詢圖，如果圖集中的圖數(shù)據(jù)包含的某個模式不是查詢圖的子圖，則該圖也必定不是查詢圖的超圖。利用排除邏輯建立的索引，在查詢之初，同樣要通過枚舉或與索引模式之間逐個的子圖同構計算得到不被查詢圖包含的索引模式，這是需要盡力避免的計算開銷。本文針對圖包含查詢中存在的問題，提出利

7、用頻繁子圖查詢過程中形成的深度優(yōu)先樹組織索引，能增量地進行查詢圖與索引模式之間的子圖同構計算。而且，在索引模式的選擇中，提出采用頻繁模式集中一類特殊的子集——頻繁閉模式來建立索引，這種方式不但能極大化地減小候選集的尺寸，同時也避免了過多子圖同構計算所帶來的負面影響，從而提高了算法的效率。
　　第四、圖集的查詢問題，并不能完全通過頻繁子圖查詢、超圖查詢與包含查詢解決。相交子圖查詢問題，能在某些條件下轉化為超圖查詢或包含查詢。然而，超