随着社会进步以及科学技术的快速发展，信息在互联网时代急剧增长。计算机数据正面临着海量数据处理和数据多样性的巨大挑战。以图数据表达的数据结构，正在扮演着更多的数据角色。图数据是离散数学和计算机科学中的重要数据结构,其中图匹配问题在很多领域里得到很大重视。目前将图匹配方法应用于建筑信息模型的检索问题研究较少，建筑的空间连接转化表现的形式就是图的拓扑关系。然而图匹配问题是一个NP难问题，人们提出了许多基于统计分布、模式识别、智能优化算法的理论来解决该问题。总体而言，该问题并未完全解决，每种方法皆有优缺点。本文研究现有的部分主要算法之间的关系和各自的特点。在分析现有的图嵌入方法用于图匹配问题的基础上，探索针对正交化向量空间图嵌入算法的改进，建立最佳正交空间向量集的方法，使原有算法的有效性和适用性得以提高。改进的算法结合多维坐标系思想建立向量空间集，将图向量化、正交化、量化表达，嵌入到空间向量集中，快速得到最有效的匹配组合。在图节点对应匹配问题中针对检索优化过程的面临组合爆炸等问题，本文在匹配过程中采用遗传算法思想的方法与图嵌入算法相结合来解决相似图的匹配问题。使得检索整体的有效性和匹配的正确率得到提高。