在大數據時代，數據圖的規(guī)模急劇增長，增量圖模式匹配算法能夠在數據圖或模式圖發(fā)生變化時避免重新在整個數據圖上進行匹配、減少響應時間，因此成為了研究的熱點．針對實際應用中數據圖不變而模式圖發(fā)生變化的情況，提出了一種面向模式圖變化的增量圖模式匹配算法PGC IncGPM，在模式圖匹配的過程中記錄適當的中間結果作為索引，用于后續(xù)的模式匹配．提出了增強的圖模式匹配算法GPMS，用于首次整個數據圖上的模式匹配．該算法一方面能夠建立后續(xù)增量匹配所需的索引，另一方面減少了整個數據圖匹配的執(zhí)行時間．設計實現了面向模式圖增邊和減邊的兩個核心子算法，通過子算法的組合，能夠支持在模式圖發(fā)生各種變化時進行增量圖模式匹配．在真實數據集和合成數據集上進行實驗，結果表明：與重新在整個數據圖上進行匹配的ReComputing算法相比，當模式圖中變化的邊的數目不超過不變的邊的數目時，PGC_ IncGPM算法能夠有效減少圖模式匹配的執(zhí)行時間；隨著數據圖規(guī)模的增大，PGC IncGPM算法相對于ReComputing算法的執(zhí)行時間的減少程度更加明顯，對于大規(guī)模數據圖具有更好的適用性。