随着语义Web领域的发展,各个领域按照语义Web的数据格式发布的数据逐年呈几何级爆炸性增长。Linked Open Data上的RDF数据条数已经达到百亿级规模。针对RDF数据主要有查询和推理两类工作。高效的查询工作依赖于数据底层的索引结构;而推理工作则需要依据语义Web中的推理规则在数据上做闭包计算工作,具有较高复杂度。当前针对大规模RDF数据的查询以及推理已有大量的工作,但其不足主要体现在RDF存储中的索引主要是结构化索引,并未包含有语义信息;而在推理方面都是离线推理,不支持查询时的实时推理。本文通过研究RDFS的推理规则,结合ORDPATH编码机制提出了资源前缀编码来展现RDF数据资源的层次以及蕴含关系,并提出了一种面向大规模RDF数据的语义索引构建方案。对RDF数据中的ABox和TBox进行区分,通过资源前缀编码来分别构建TBox的语义关系,并将构建的语义编码信息持久化到RDF三元组索引中,使得三元组索引承载有语义信息。其显著特点是,通过对RDF数据的查询即可得到RDFS蕴含知识,通过这样一种结合在线和离线的推理方式实现了RDF蕴含机制(Entailment Regime)。针对设计方案进行了实现,设计并进行了一系列实验,对比了语义索引与一般索引在存储和查询时的性能和结果。本文的分析和实验表明,支持语义的索引结构在数据加载的空间开销和时间开销方面,以及在数据查询方面没有给不支持语义的传统RDF索引增加显著额外负担和开销,但获得了在查询时对推理的有效支持,实现了RDF数据的实时推理功能。