在大数据时代下,常见的数据网络如社交网络等的快速发展,使得生活中每天都会产生海量的多源异构数据。图模型作为一种独特的非线性数据结构,适合用来对海量数据进行建模,并且能够较好的描述海量数据之间复杂的内在关联性。如何分析和挖掘出图中有价值的信息,成为了当下的一个研究热点。子图匹配技术用于从一个给定数据图中搜索枚举出全部的能够与给定查询图相匹配的子图,是一种分析和挖掘图中有价值信息的关键性技术,在生物信息学、社交网络分析等领域中有着广泛的应用。随着数据图的规模不断扩大,如何加速子图匹配过程成为了主要研究问题。现有的子图匹配算法可以分成过滤、排序、和枚举三个步骤。最近的一项研究指出,现有算法在每一步中的性能与数据图的特征密切相关。然而现有的算法都没有考虑数据图的特征对算法性能的影响。针对以上问题,本文将基于数据集的特征设计一种高效的子图匹配算法,以加速子图匹配过程。同时,本文设计了一个子图匹配系统,该系统可以应用在社交网络分析、生物分析等场景下,便于用户高效查询不同数据图下的子图匹配结果,并且还具备展示图的结构、比较不同算法的查询效率等功能。具体来说,本文的研究内容如下:（1）本文研究分析子图匹配的代表性算法,通过对现有算法的研究,分析出数据图的哪些特征会影响算法每一步的性能。（2）本文针对特征影响因素设计了一种数据图预处理方法。在预处理方法中首先定义了标签密度,用以区分一个数据图是否包含大量重复标签。其次结合图的平均度、社区结构以及边密度特征,定义了图密度,用以区分一个数据图的稀疏程度。（3）本文提出了一种可以根据数据集特征进行自适应调整的高效子图匹配算法AC-Match。该算法首先预处理数据图,获取标签密度和图密度。其次根据标签密度及图密度,采用适合于数据集特征的过滤、排序和枚举方法,将其进行组合,形成一个能根据数据集特征进行自适应调整的高效子图匹配算法AC-Match。（4）本文在八个真实数据集上进行了大量的实验,主要从匹配查询时间和消耗的内存空间两个方面对比AC-Match算法与其他五种代表性子图匹配算法的性能。实验结果表明,AC-Match算法的性能优于其他五种算法。（5）本文设计开发了一个子图匹配系统。该系统集成了AC-Match算法以及其他一些代表性的子图匹配算法,主要实现图文件上传、图可视化、执行子图匹配、匹配结果可视化、相关信息显示等功能,满足用户在各种领域的子图匹配查询需求。