随着互联网技术的进步和人们对信息需求的日益增长,数据库已成为信息存储和共享的重要资源,大量的数据经过采集、整理存储在各类数据库中。不同企业和部门间对数据的共享和集成已非常迫切,由于这种不同的环境背景所造成的数据源(关系数据库、面向对象数据库、XML等)异构问题已经成为数据集成的主要障碍。实现各数据源集成首要问题是定义数据库模式之间的语义映射关系,即所谓的数据库模式匹配。因此,数据库模式匹配成为数据集成的关键环节。通过对现有的模式匹配方法的深入分析,针对Usage-Based方法中模式匹配方法中只考虑使用信息中的部分信息的问题,为了进一步提高匹配的查全率和查准率,本文对Usage-Based方法中的模式匹配方法进行了改进,提出了一种基于使用信息的数据库模式匹配方法。在该方法中首先从数据库的日志中提取属性特征向量,然后对数据进行预处理,最后使用遗传算法计算属性间的相似性来进行匹配。此外,针对已有的模式匹配方法中大多忽略了属性的使用信息的问题,本文提出一种基于多种信息的属性匹配方法。在该算法中,扩展了原数据指标,在新数据指标中结合属性使用信息、数据实例和模式信息,并给出了本方法的BP神经元网络结构。最后,通过实验验证了基于使用信息的匹配算法和基于多种信息的匹配算法的可行性,实验结果表明这两种方法在一定程度上提高了匹配的查全率和查准率。