随着语义网技术的不断发展和应用,大规模RDF数据集的使用也越来越频繁,在管理这些大规模数据集时,由于RDF数据集的体积问题,查询和管理的性能会受到很大影响。因此,对于大规模RDF数据而言,高效率的存储方法显然是很重要的。对于数据的压缩存储而言,本质上是去除数据里包含的冗余信息内容。目前,对于大规模RDF数据的压缩存储,其处理思路可以分为以下两种:基于数据模型层次的压缩处理和基于序列化层次的压缩处理,其中,基于序列化层次的压缩处理思路又可以细分为语法结构压缩和字符压缩。本文从RDF数据的序列化层次出发,通过对当前RDF压缩存储技术进行分析总结,提出了一种基于关系三维矩阵的分级树形索引压缩模型。该模型利用分析和提取RDF标识间的关系来构建字典,将三元组映射为ID三元组。通过分析关联数据集自身的关系三维矩阵分布结构,结合分级树形索引的存储思路,解决矩阵存储的结构冗余问题,实现对数据集的序列化压缩。此外,本文还分析总结了该压缩模型查询对关联数据基本查询模式的匹配。通过实验验证与结果分析表明,本文提出的压缩存储模型能够有效提高RDF数据的压缩效率,同时也实现了很好的查询效率。