信息技术的发展使数据得到了爆炸性的增长，这些来自互联网及生活中的数据往往存在着紧密的关联性，图作为一种广泛应用的数据结构，非常适合用来描述这些具有紧密关联性的数据，这些数据用图组织成为知识图谱，知识图谱在社交网络、蛋白质网络和道路交通系统等领域都有着重要的应用。如何对知识图谱中大规模的图数据进行处理是一项重要的研究工作，子图查询问题作为图数据处理的基本问题受到了学术界和工业界的广泛关注。　　在信息检索领域经常出现用户的真实信息需求和提交的请求之间有一定偏差的问题。在图查询领域也会存在这一个问题，由于用户对数据图领域知识的不了解，有可能导致输入的查询图信息不完整，为了更好的满足查询需求，提出了基于距离和相似度的图扩展算法，在进行子图查询时，先对查询图进行扩展，然后用扩展后的查询图在数据图中进行子图匹配。　　提出了基于回溯思想的子图匹配算法LCF，该算法是在传统的子图匹配算法VF2的基础上面提出的，主要对边匹配顺序、顶点匹配顺序和剪枝判定规则做了改进。对查询图进行了基于最小生成树的分解，这样在保留查询图基本结构的基础上选取过滤能力强的边，可以尽早的过滤掉不匹配的边。在顶点的匹配顺序上，选取度数大、在数据图中同标签顶点少的顶点先匹配，尽早的过滤掉不匹配的顶点。在剪枝判定规则上，从顶点度数、顶点标签和边标签的角度考虑，提出了剪枝能力更强的剪枝规则，与传统的VF2算法的剪枝规则相比，有效的缩减了搜索空间。　　经过实验验证，查询图扩展算法可以合理的完善用户的查询意图；子图匹配算法LCF比传统的算法VF2的时间效率高。