数据集成是数据库领域的研究热点之一。Internet上的信息集成是一个复杂而艰巨的任务。它涉及人工智能、高级数据库与知识库系统、分布式信息系统、信息检索和人机交互等各个领域的问题。随着XML逐渐成为Internet上数据表示与交换的标准，数据集成的研究也发生了重点转移，基于XML的数据集成系统逐渐成为研究的热点。论文以基于XML的数据集成为背景，对XML查询处理和优化、选择性地复制XML数据、以及复制数据的更新等问题做了研究。论文在以下方面作了有益的探索。 论文对基于XML的数据集成系统中查询处理方法做了深入研究，给出一种利用模式信息优化查询的方法。针对Internet环境下数据集成的特点， 用户查询日志分析是论文的主要内容之一。通过分析用户查询日志，将用户访问最频繁的部分数据进行复制，可以消除不必要的网络数据传输，提高系统的性能。论文采用频繁结构挖掘的方法得到用户查询的分布情况，自动确定哪一部分的数据最有复制的必要。论文对有序的XML查询、无序的XML查询日志库的挖掘问题做了深入研究，并给出两个高效的算法解决它们的挖掘问题。试验结果表明我们的方法可以显著地提高挖掘效率。 论文提出一种查询模式的增量发掘算法，以便用尽可能小的代价处理数据集的更新。论文提出一种动态确定挖掘间隔周期的方法，提高增量挖掘算法的易用性。 对于同数据复制相关的另一个问题，即如何高效地维护实体化视图的问题，论文也做了深入探讨。论文给出了XML视图可自维护性的判定方法，并提出一种自维护的算法。