随着语义网的提出和相关技术的发展与成熟,该领域吸引了学术界、政府部门和工业界的广泛关注和积极参与。关联数据作为语义网的最佳实践,越来越成为研究的热点。资源描述框架RDF现已成为关联数据的实际标准,为网络上的资源提供了一种资源描述标准。通过给万维网上的文档添加计算机能够理解和处理的形式化语义信息,大大提高信息检索的精度和效率。随着RDF数据的不断增多,针对RDF数据的信息挖掘成为数据管理和数据挖掘的研究热点。Skyline查询作为一种典型的多目标优化查询,为用户决策提供参考依据,因而得到了广泛研究。本论文主要研究针对海量RDF数据的Skyline查询。第一,根据RDF垂直存储的方式设计一种候选Skyline点筛选策略,提前修剪部分非Skyline元组,减少skyline支配点计算的数据量；并且在筛选的基础上给出基于MapReduce的Skyline并行化查询算法以提高查询效率。第二,针对高维数据空间下Skyline查询的不足,研究K-支配Skyline查询算法。论文提出两种K-支配查询算法。一种基于支配能力的K-支配查询算法,根据每个数据点的支配能力划分数据块,分别计算局部K-支配点,最后合并计算最终的K-支配点。另一种基于空间划分的K-支配查询算法,通过挖掘数据空间和K-支配的关系,计算支配集合。最后,本论文在大量数据的基础上进行实验,验证所提算法的计算效率。实验结果表明,与现有的Skyline查询算法和K-支配Skyline查询算法相比,本文提出的基于MapReduce的RDF数据Skyline查询算法和K-支配Skyline查询算法有效的提高查询效率。