资源描述框架(Resource Description Framework,简称RDF)是语义Web中所使用的基本标记语言,在知识的组织与管理和社会网络应用中广泛应用。RDF数据的规模随着语义Web应用的发展而增大。RDF数据具有典型的图特征,含有复杂的结构信息,以及大量的文本信息。可见,如何在大规模RDF数据上进行高效的关键词查询是当前研究的热点之一。针对已有研究在查询执行效率和结果质量方面存在的不足,提出了基于近似组斯坦纳树的大规模RDF数据关键词查询方法RAGS。RAGS将RDF上的关键词查询映射为组斯坦纳树问题,然后通过将组斯坦纳树问题规约为最小斯坦纳树问题进行求解。针对经典的最小斯坦纳树算法是非规约安全的问题,提出了改进方法,并分析了算法的时间复杂度和近似比性能。为了使大规模RDF数据上的关键词查询具有更友好的用户体验,设计了最短路径三元组倒排索引结构,通过离线预先计算全源最短路径的方式,改善在线查询的实时性；提出基于升序排列生成树算法的top-k查询方法,以便更快的为用户返回准确结果。考虑到对于大规模RDF数据而言,索引构建时间也是系统的主要瓶颈。提出基于整体同步并行计算模型(Bulk Synchronous Parallel,简称BSP)的全源最短路径分布式并行算法,加快索引的构建。实验显示,RAGS在时间性能和结果质量方面具有较好的性能,基于BSP的分布式算法具有较好的可伸缩性。