目前,网络上越来越多的资源开始使用RDF来描述。RDF图上的关键字检索近年来已成为RDF研究领域中的一个热点,它将RDF处理技术和信息检索结合起来,为用户提供更加友好的检索方式。但是,直接在RDF数据图上按照图检索的方式进行检索的方法还是不能避免关键字查询难以准确表达查询语义的问题。在RDF数据上进行关键字检索的一种有效技术是在检索过程中先对关键字进行明确的翻译,也就是将关键字查询转换成结构化查询。不过,由于关键字的二义性,每个关键字查询可能有很多种翻译方式。一种典型的做法是采用启发式方法,为它生成前K个最可能反映用户检索意图的翻译。然而,这种做法的一个缺陷是,它只能依赖于RDF数据库的特征,如连接所有关键字的子图模式在RDF数据中的出现频率等,因而不能准确地捕捉针对于各个用户的查询特点,以至于前K种翻译可能都不是用户真正想要的结果。在本文中,我们提出一种上下文感知的RDF图上的关键字检索方法,在对关键字进行翻译时有效地使用用户的查询上下文信息。我们的主要做法是首先判断同一次查询会话中不同查询间关键字的对联关系,然后对关键字进行翻译,即处理关键字与RDF模式图中类结点间的映射问题,得到一组不同的查询上下文模型。通过利用用户多次查询中关键字间的关联关系及对用户对之前查询结果的点击情况,来修改查询上下文模型(即上下文感知的查询摘要图)中结点和边的权值信息。随着新的关键字查询的提出,我们还提供了对查询上下文模型的演化及更新方法。最后,设计一个图检索算法利用查询上下文模型检索得到一组查询模式,并利用打分模型对其进行排序。实验表明本文所提出的上下文感知的RDF图上的关键字检索方法可以有效地改进查询结果及其排序质量。