随着网络上的数据爆炸式地增长,以及大量图数据的产生,图上的关键词查询得到了学术界的高度关注。图上的关键词查询算法不同于其他的关键词查询算法,其查询结果是原图的一个子图,该子图包含所有的查询关键词。图关键词查询算法的基本思想是首先找到包含一个或多个查询关键词的节点,然后从这些节点出发,找到能到达这些节点的根节点。然而算法目前有如下几个不足:1.在查询时未考虑查询关键词与子图的匹配程度;2.现有的算法对结果子图进行排序时只考虑边的权重,而忽略了节点的权重;3.随着图数据规模不断增长,现有的图关键词查询算法效率变得越来越低。本文的研究工作可以分成以下几个步骤:第一步,将原始数据转换成图结构数据。第二步,将大图划分成若干个r半径子图,然后计算子图的权重。第三步,使用Lucene中的StandardAnalyzer分词器对子图包含的信息进行分词以提取关键词,然后根据TF-IDF算法来计算每个关键词与子图的相关度,最后使用MapReduce分布式计算框架来构建倒排索引文件。第四步,为了解决集中式下查询效率低的问题,本文提出了基于MapReduce的图关键词查询算法,同时,本文还设计了图关键词查询的原型系统,理论分析和实验表明,本论文提出的方法可以有效地解决图关键词查询算法在大规模数据下效率低的问题。本文的主要贡献点为:1.在对结果子图进行排序时,不仅考虑了边的权重还充分考虑了节点的权重。2.考虑了关键词与子图之间的相关度。3.提出了一种基于MapReduce的图关键词查询算法,以此来解决集中式下关键词查询效率低的问题。