语义Web的迅速发展引发了广泛的面向海量RDF数据的搜索需求。本文围绕语义Web上的实体搜索开展理论方法的研究，将提出的方法在搜索引擎Falcons上进行了实现，并开展了基于真实大规模数据的实验。首先，针对语义Web上的对象搜索，提出了一种基于类层次结构的搜索结果过滤方法，为此改进了倒排表索引结构并提出了一种子类推荐算法作为支撑技术，通过基于搜索任务的实验表明了方法的优越性；特别地，通过推理来扩充对象的类型信息，重点研究了Web环境下推理中的可信性问题，并通过实验验证了Web环境下推理的有用性和可行性。其次，开展了语义Web上实体摘要问题的研究，一方面，从揭示实体指称的角度研究了实体特征的分布相关性和信息性，提出了一种基于随机游走概率模型的实体静态摘要生成方法，通过基于黄金标准摘要和基于手工实体匹配任务的实验表明了方法的有效性；另一方面，根据实体摘要在实体搜索中的作用，分别提出了一种面向查询相关性的和一种混合的实体动态摘要生成方法，通过基于搜索任务的实验对方法进行了比较。再次，针对本体词汇搜索，提出了一种基于隶属本体的搜索结果过滤方法，相应地改进了倒排表索引结构并提出了一种本体推荐算法作为支撑技术，结合此前提出的实体摘要方法，形成了一种在本体与本体词汇两个粒度上协同搜索的新型用户交互模式，通过基于搜索任务的系统可用性测试表明了方法的优越性。最后，提出了有向图结构的本体词汇依存模型以及在此基础上形成的本体级别的依存模型，将它们应用于大规模真实数据集并分别形成了本体词汇依存图和本体依存图，采用复杂网络分析方法分别对这两个图开展了度分析、可达性分析和连通性分析，揭示了其无标度网络等诸多特性，并反映出本体之间关联的稀疏性。