摘要：针对权重边剪枝（WEP）方法在准确率和匹配效率等方面的不足，通过引入自匹配和归并概念，提出一种基于二次归并的Deep Web实体匹配方法。首先，提取各对象的属性值，并按属性值重组对象，使具有相同属性值的对象聚集在一起，实现块的有效划分；其次，计算块内各对象间的匹配度，并据此进行剪枝、自匹配检测、归并，输出初步类簇；最后，以初步类簇为基础，利用簇内对象间传递的消息以及对象属性相似值，进一步挖掘匹配关系，触发新一轮的类簇归并与更新。实验结果表明，与WEP方法相比，所提方法通过自匹配检测，自动区分匹配关系并采取合适的匹配策略，使归并过程逐渐精化，提高了匹配准确率；通过分块、剪枝，有效缩减了匹配空间，提高了系统运行效率。

关键词：二次归并；Deep Web；实体匹配； 类簇；相似值

中图分类号：TP391； TP311

文献标志码：A

0引言

与Surface Web相比，Deep Web资源具有数量更大、质量更优、内容更精确、使用价值更高、增长迅速等特点。接口集成是访问Deep Web资源的主要途径，但由于Web的自治性和动态性，使得Web数据库的数据冗余度高，异构现象严重，给接口集成造成较大困扰。实体匹配（也称实体识别、记录匹配等）是一种在数据集合中发现同一实体不同描述的技术，可用于数据库记录的错误检测、重复检测、不一致数据发现等，以消除数据重复、数据不一致等异构现象。

与模式匹配类似，实体匹配的关键要做好两项工作：评判依据的选择和匹配方法的运用[1]；同时，鉴于Deep Web的海量数据，有效的匹配空间缩减策略也非常重要。……