随着图数据库搜索技术在用户访问日志、网络数据流上的入侵检测和分析化合物等应用领域越来越广泛的运用,图上的子图匹配处理工作也倍受关注。近些年来,实际应用中的图模型并非一直是固定不变的,而是随着时间的不断变化而逐渐发生改变的。本文的研究内容是判断在图数据流到来的过程中是否包含与查询图匹配的子图。现有的动态子图匹配研究中一方面忽略了模式图中的时间信息,使用户难以得到想要查询的真实结果,所以这就给传统意义上的子图匹配处理带来了巨大的挑战。另一方面在匹配过程通过保存中间结果的方法降低动态更新代价的同时也额外增加了存储代价。因此,本文针对现有研究存在的问题提出了图数据流上具有时间约束的子图匹配问题研究。本课题的主要研究内容:首先介绍了目前主流的子图匹配的算法研究方法并进行了分类与分析。为了解决实际应用中模式图中普遍具有时间信息的问题,在查询图中引入时间尊重路径,提出带有时间约束的查询图,引入时间滑动窗口保证结果在有效时间周期;基于在动态匹配过程中更新代价较小、过滤效果更好的处理思想,本文设计与传统以查询数据为中心的索引结构不同的一种简洁的中间结果保存形式,将每个数据图中的候选查询顶点直接在数据图中以图的形式进行存储。同时在子图搜索过程中先确定最优查询顶点序列保证子图匹配递归数量小,提出更加高效的基于时间尊重的图模式匹配算法;避免在数据图更新时对整个数据图重新计算,提出基于时间尊重边转换模型的增量匹配算法,根据时间尊重边转换模型直接在数据图上对中间结果进行改变,相应地调用边插入算法/边删除算法更新,避免保存大量无用的中间结果,提高算法效率。最后通过对比实验,在真实的数据集上进行了大量的实验,验证了基于时间尊重的图模式匹配算法和基于时间尊重边转换模型的增量匹配算法的有效性。