模式匹配被广泛应用于数据库相关领域中,例如数据集成、数据空间、DeepWeb、数据仓库、以及本体合并等。针对模式匹配的研究已有几十年的历史,从早期的手工完成匹配操作到目前的自动发现匹配,人们已经取得了很多研究成果。给定源模式和目标模式,模式匹配的目标是发现两个模式间元素的对应关系,具有对应关系的元素表示相同或者相似的语义。由于模式匹配的发现是一个利用已有知识对元素语义进行挖掘和理解的过程,所以其在一定程度上相当于自然语言处理,这也体现了模式匹配固有的困难性。因此,为进一步提高模式匹配的质量,人们仍需要更多的关于模式匹配的研究。近些年,随着互联网的发展以及通讯工具的普及,人们对数据共享和交换的需求越来越强烈,这也使得模式匹配问题成为目前的研究热点。所以针对模式匹配的研究不但具有理论意义而且具有实际应用基础。本文从数据库的查询日志中为属性提取可用于匹配的统计信息,并以此为基础,提出一些模式匹配的发现及改进算法。同时,本文对模式匹配在模式集成领域中的应用进行了研究,提出了基于用户偏好的多模式产生算法。本文主要针对关系模式的匹配问题进行探讨,具体研究工作如下：(1)匹配的发现首先,本文利用属性的出现频率来发现匹配。通过日志中每个属性在相应查询子句中的出现频率构建特征向量。采用聚类技术对不同属性的特征向量进行分组,处在同一聚类中的属性则具有相同或者相似的语义。为进一步提高聚类结果的准确性,通过最大相似性阈值来发现聚类中语义异常的属性,并设计了异常属性去除算法。实验结果表明所提出的方法具有较高的准确率。其次,本文利用属性在查询结果的模式结构中的出现顺序发现匹配。本文方法包含三个阶段。第一,从查询日志中抽取出现序列,并对属性在这些出现序列中的出现顺序进行统计。第二,利用矩阵对属性出现顺序的统计信息进行组织。第三,针对具有不同基数的映射,采用两种打分函数度量不同输入模式统计信息矩阵间的相似性,并采用模拟退火算法寻找最优映射。实验结果表明所提出的方法能返回较准确的匹配。最后,本文利用日志中关于SQL语句内容和结构的统计信息进行模式匹配。本文方法包括四个阶段。第一阶段对SQL语句的子句进行统计,并构建子句关联图cag。其次,利用cag构建“匹配对”集合,每个匹配对表示一对属性序列。第三,度量匹配对的两种相似性,即属性(property)相似性和结构相似性。最后,设计两种将匹配对分解成单一匹配的算法,并利用阈值策略选择最优匹配。实验结果表明基于查询语句的匹配方法是有效的、准确的。(2)匹配的改进针对匹配不能适应数据实例包含分类的情况,本文提出模式匹配的改进算法。从源模式的数据实例中发现隐含的分类语义,并将其与匹配进行关联以提高匹配的质量。本文方法包含三个阶段。首先,通过聚类技术发现源实例中的可能分类。其次,通过信息熵技术去除干扰属性得到真正的分类属性。最后,通过引入一个称为c-mapping的概念实现分类语义和匹配间的关联。实验结果表明本文方法具有较好的性能。(3)匹配的应用模式匹配的最终目标是解决实际问题。所以本文对模式匹配在模式集成中的应用进行了研究,提出一种基于用户偏好的自动的模式集成方法。通过引入一个称为参考模式的概念将用户偏好实例化。参考模式能够导向集成过程根据用户偏好产生中间模式(集成模式)。本文通过属性密度方法测量候选模式与标准模式间的相似性。在此基础上,设计一个top-k排序算法用于找到k用户真正需要的中间模式作为算法最后的输出。实验结果表明本文方法具有较高的效率。