1.一种面向RDF知识图谱的语义近似查询方法，其特征在于，该方法包含两个阶段：离线语料生成和训练阶段以及在线实时查询阶段；其中：所述离线语料生成和训练阶段包含如下步骤：

步骤1.1：实体划分

根据实体的类型，对RDF知识图谱进行划分，使得相同类型的实体聚集在一起进行语料的生成；

步骤1.2：语料生成

根据RDF知识图谱中实体与谓词的语义局部性特征，通过提出一种BFS-DFS混合图遍历语料生成算法CorpusGeneration，对知识图谱数据进行有效重构，形成可训练的文本语料；

根据步骤1.1划分好的实体集，对n个实体集合的每一个实体集都进行语料生成；

步骤1.3：语料训练

利用gensim的word2vec模型对步骤1.2中生成的文本语料进行上下文敏感的语义学习，得到关于该语料的语义模型，通过加载该模型获取语料中每一个词的topK个词义最相近的相关词，构成关于这个词的相关词集合，使之可以在进行在线实时查询的时候被使用；

所述在线实时查询阶段包含如下步骤：

步骤2.1：SPARQL解析

对用户给定的SPARQL查询语句进行语法分析，解析出用户指定实体、用户期望返回宾语的类型、用户指定的关系谓词，并根据加载步骤1.3中得到的语义模型计算出指定关系谓词的相关词，完成适当的语义扩展；

步骤2.2：近似迭代查询

通过解析用户给定的SPARQL查询语句，得到主语实体、指定谓词以及宾语实体类型；该查询从主语实体出发，借助步骤1.3扩展得到指定谓词的语义相关词集合，在知识图谱中匹配由主语实体和相关谓词构成的子图模式，从而找到与主语实体一跳相关的宾语实体，并判断该宾语实体的类型是否属于用户指定的实体类型，若符合则加入结果集中；再从已得到的结果集中的宾语实体出发，迭代上述操作可找到与主语实体两跳相关的宾语实体结果；如此迭代查询，直到找出所有满足条件的宾语实体，再将迭代过程中记录的宾语实体拼接成一条路径，即找到指定主语实体到结果宾语的路径。

2.根据权利要求1所述的一种面向RDF知识图谱的语义近似查询方法，其特征在于：步骤1.2进行语料生成时提出的一种BFS-DFS混合图遍历语料生成算法CorpusGeneration具体是：设定输入参数E为知识图谱划分后选定的实体集；O为从RDF知识图谱得到该实体集中实体的类型关系图结构；n为给定的语料限定层数参数；T为已经作为起始节点访问过的实体集合；

首先设置T为空，表明初始时实体集E中的任何实体节点都未被访问；根据已访问节点集合T以及关于实体集E中关于实体类型的关系结构O，从实体集E中选定一个实体estart作为起始中心节点，并从E集合中删除该实体，避免之后对该实体进行重复访问处理；当E不为空时，首先初始化Pstart为空，Pstart为起始节点estart到以estart为中心n层范围内的其他节点的路径，不包括起始节点estart，Cstart以是关于起始节点estart的语料文本，把estart、n、Pstart、Cstart以及T作为输入做nDepthBFS算法操作，在nDepthBFS算法中生成的语料文本信息更新到Cstart，同时更新T；退出nDepthBFS算法，把更新完的Cstart加入到语料集C中；根据更新完的T以及O，并在实体集E中过滤掉已经作为中心节点访问过的集合T，重新选定一个起始中心节点，重复以上操作直到实体集E中的所有实体节点都被访问。

3.根据权利要求2所述的一种面向RDF知识图谱的语义近似查询方法，其特征在于：

nDepthBFS算法中生成语料信息更新Cstart以及T的过程按如下进行：

设定输入参数estart为起始中心节点，n为给定的语料限定层数参数，Pstart为estart到以estart为中心n层范围内的其他节点的路径，Cstart为关于当前中心点estart的语料文本信息，T为已经作为起始节点访问过的实体集合；

首先判断当前语料限定层数n是否小于等于零，如果满足n小于等于零的条件，说明当前范围内中心节点周围已无其他节点与边，则把当前中心节点estart加到路径Pstart中，然后把当前路径Pstart为加入到语料集Cstart中，并且把estart加入到T中，表明中心节点estart已经被访问过；如果不满足n小于等于零的条件，则把当前中心节点estart加到路径Pstart中，并且把estart加入到T中，表明中心节点estart已经被访问过，然后找出中心节点estart的邻接节点，对于每一个estart的邻接节点都做nDepthBFS递归操作，其中输入参数更新为n-1层，直到中心节点周围已无其他节点与边。

4.根据权利要求1至3中任一项所述的一种面向RDF知识图谱的语义近似查询方法，其特征在于：步骤2.2中提出的一种近似迭代查询方法semanticApproQuery具体是：设定输入参数estart为用户指定的主语实体节点，r'为指定谓语关系r的相似词集合，tend为用户期望返回结果实体的类型、P为查询结果的子路径、G为总查询结果集；

首先判断起始节点estart的类型是否是tend类型，若条件满足，则把当前子路径P加入到查询结果集G中；若条件不满足，则获取当前起始节点estart的邻接谓语关系词，判断该词是否属于r'，若属于，则获取当前起始节点estart与当前谓语关系词ri组成的三元组关系中的另一个节点e'start，把该节点加入到子路径P中；然后将e'start、r'、tend、G、P作为新的输入参数，递归调用semanticApproQuery算法，直到找到当前节点的类型是tend才结束。