近年来,随着人工智能的快速发展和知识图谱的广泛应用,传统的关键字查询方法逐渐无法满足用户的查询需求,人们又对知识检索技术提出了新的要求并迫切寻找一种更智能化的检索技术。知识图谱拥有庞大的语义背景知识,因此基于知识图谱实现的关键字查询功能能够更为准确地理解用户的查询意图,并返回对应的搜索结果而不是关键字匹配后的网页。在本文中,我们主要研究如何对联邦型RDF数据库下的知识图谱实现关键字查询。现有的知识图谱上的关键字查询研究大多基于构建一个全局索引,且并不适用于储存在联邦型RDF数据库中的知识图谱上的关键字查询问题。本文基于联邦型RDF数据库下存储的知识图谱,进行了关键字查询问题的相关研究。主要内容包括以下几个部分:一、将知识图谱分领域存储在联邦型RDF数据库的不同数据源中,根据知识图谱数据离线抽象构建模式图辅助信息,并借助全文索引找到每个关键字在模式图中对应的候选类点,将键入关键字映射到模式图中。二、针对关键字映射后的模式图,通过子图划分算法划分出若干个同时包含所有不同关键字的子结构图,并将每个子结构图转化为形式化查询语言SPARQL。每组SPARQL查询语句通过数据源的SPARQL接口执行返回最终查询结果。本文的创新点之处在于:1、针对在联邦型RDF数据库中储存的知识图谱无法将数据下载下来构建全局性全文索引的问题,提出了新的一种基于模式图和关键字映射的查询转换方法。2、提出一种基于子图划分和SPARQL构建的查询处理方法,最终将模式图辅助信息转化为SPARQL查询语句执行得到查询结果。经过理论分析和实验结果表明,本文提出的方法能够在可接受的查询响应时间内返回结果,且实验结果有比较高的准确性,满足在联邦型RDF数据库下对知识图谱的关键字查询需求,具有推广价值和应用前景。