随着科学技术的发展,数据规模不断增大,特别是以计算机和互联网为基础的应用中数据爆炸式的增长,这也使得大量的异构数据的获得成为了可能。海量的异构数据带来丰富信息的同时,其本身的异构性也制约着数据的运用价值。为此,对异构数据进行清洗就非常必要。实体识别是数据清洗中非常关键的一步,它的任务是确定并合并属于同一个实体的记录。在很多情况下,原始的数据存储在异构的环境中。特别地,记录的模式各不相同。为了更好的利用这些异构记录,现在大多数方法假设模式识别和数据映射已经完成,从而将不同模式下的异构数据转化成同一模式下的同构数据。然而,我们发现在这种情况下模式信息会丢失信息,这些信息的丢失将会降低实体识别的结果质量。为了更好的利用来自异构数据源中的信息,我们提出了异构记录实体识别算法。首先,我们提出两个关键挑战:模式异构性和描述差异性,并且调研发现现在没有任何一种相似性度量或者它的变形能够被用于找到相似的异构记录对。因此,我们设计了一种比较合并的机制来迭代的发现属于同一实体的异构记录。对于实体识别的核心步骤:记录对相似度求解,我们设计了基于实例的和基于模式的两种算法,可以求不需要模式匹配的先验知识下求解记录对相似度。考虑到算法性能,异构记录和同构记录的识别都具有很高的固有复杂度,我们建立了高效的索引结构来加速算法。基于索引,我们设计了一系列有效的剪枝策略:我们为索引中每一个候选记录对计算出紧的上下界,在线性时间内生成相似记录对候选项;我们为基于实例的相似度求解算法设计了图剪枝策略。真实数据的实验结果表明了我们方法的可行性和高效性。