随着信息技术的高速发展,各领域数据的量级呈现爆炸式增长,伴随而来的数据质量问题,如数据失真、数据过期、数据缺失、数据表达不一致等问题,也日益凸显。本文主要研究数据质量中的一个重要课题――实体匹配问题,即识别单源或多源数据中指向同一实体的数据库记录。目前主流的实体匹配方法主要通过度量各实体主属性值之间的字符串相似度,根据预定义的相似度阈值从而做出是否匹配的决策。然而,含义相同的主属性值在表达形式上可能千差万别,而含义不同的主属性值也可能表示同一实体。因此,没有任何一种相似度度量方法可以准确度量所有主属性值之间的相似度,且一个统一给定的相似度阈值也会极大影响实体匹配的准确率和召回率。为了解决以往方法中的问题,本文提出了基于多形态非主属性数据的实体匹配算法,通过在多种非主属性值上的文本分析和相似度计算进行实体匹配。本文提出的方法是对已有的基于主属性方法的补充。与仅使用主属性的方法相比,本文主要关注如何使用非主属性提高实体匹配的准确率和召回率。具体研究内容如下:(1)本文着重研究了实体匹配问题,介绍了已有的实体匹配方法,描述了具有代表性的各类算法的优势,并分析了其中存在的问题。(2)提出了基于结构化非主属性数据的实体匹配算法。算法通过选择具有较高识别力的属性进行匹配,不需要外部资源的帮助,获得了很好的匹配效果。(3)提出了基于文本类型非主属性数据的实体匹配算法。算法通过挖掘文本数据中的关键信息进行实体匹配,不仅增强了的适用性,而且提高了匹配的准确性。我们在数据集上验证了本文提出方法的效果。实验结果表明,本文提出的实体匹配算法在准确率和召回率方面都要优于以往的各类主流匹配算法。此外,本文提出的基于非主属性实体匹配算法在效率方面也得到了很大提升。