知识图谱对现实世界中的实体、概念、关系等客观事实进行建模,以图的形式表示现实世界中各个领域的知识。其中,实体、概念作为知识图谱图结构中的节点,它们之间的关系则作为知识图谱图结构中的边。目前国际上知名的开源知识图谱主要有DBpedia,YAGO,Freebase等。如何针对知识图谱进行有效查询以获取相关信息是当前的研究热点,其研究成果可应用于智能问答、推荐系统等领域,具有重要的研究价值与意义。图查询是实现知识图谱有效查询的主流技术之一。如何实现一种高效的图查询方法是实现知识图谱有效查询的关键。现有图查询方法通常基于结构相似性进行子图匹配,忽略了知识图谱中丰富的语义信息,导致查询结果不完整,影响查询精度。此外,图查询方法大多针对全图进行处理,在知识图谱规模较大的场景下将严重影响查询效率。针对上述问题,本文主要从以下几方面展开研究:(1)面向领域的知识图谱子图挖掘。首先对原始知识图谱数据进行适当的预处理,以消除噪音数据并完成数据标准化。在此基础上,提出领域子图挖掘算法,在图遍历的过程中结合类型相似度将知识图谱划分为多个领域子图。领域子图之间相互独立,有利于实现分布式的存储,提高查询效率。(2)基于领域子图的知识图谱存储架构。在领域子图的基础上设计并实现一种基于邻接表和跳表索引的存储架构,以领域子图为基本存储单元对知识图谱进行有效存储。在此基础上,实现了高效的图数据基本操作方法,如数据的插入、删除、更改、查找,实现了对领域子图的有效管理。知识图谱的有效存储与管理为后续语义相似性图查询算法的研究提供了可靠的底层数据支持。(3)基于语义相似性的图查询算法及优化。首先利用图嵌入模型将谓词映射到多维向量空间中并计算谓词语义相似度,据此构建动态语义图。在此基础上,提出一种语义相似度启发式估计函数,并设计基于A*算法的语义相似性图查询方法,通过对路径语义上下界的有效剪枝可大幅提升查询速度。最后,对语义相似查询算法进行时间约束下的查询优化,通过不断迭代早期探索的结果集和预估查询时间,来确保在用户时间约束内返回尽可能相似的匹配查询结果。最后,基于上述理论研究成果设计并实现了知识图谱语义相似性查询原型系统,并通过大量实验证明研究成果和系统的有效性与可用性。