相似连接查询是当前数据处理领域的热点研究问题之一,在信息检索、多源数据集成、实体识别、模式识别等领域有着广泛的应用。随着大数据时代的来临,数据类型繁多的特点需要相似性连接技术具备精确地处理具体连接谓词的能力。然而,传统的相似性连接技术通常依赖于固定的相似性函数,如编辑距离、杰卡德系数、余弦函数等,这些相似性函数仅能反映字符串间文本层面上的“相似”程度,不能精确地进行相似连接谓词的抽取。因此,如何进行相似连接谓词的抽取已成为亟待解决的问题。针对相似连接谓词抽取问题,用户可以通过样例给出其所需要的连接谓词。基于此,提出了样例驱动的相似连接谓词抽取与冲突解析系统框架,该框架以用户提交可连接实例对作为输入并从中学习隐含的可连接条件。在该框架基础上,本文提出了样例字符串间的最大化匹配序列(MMA)概念,设计了相应的精确求解算法E-MMA算法以及近似算法A-MMA算法并分别分析了算法的复杂度和近似比。本文定义了字符串间的相似性连接谓词内容和结构及连接谓词抽取方法以及样例中歧义的冲突解析策略。该连接谓词既具有足够的表达能力能够表述多样化的连接需求又足够简单便于学习。最后通过样例驱动的相似连接谓词抽取与冲突解析系统在多个数据集上测试了 E-MMA算法和A-MMA算法的性能,用户输入对系统抽取连接谓词准确性的影响,并比较了基于连接谓词的新型相似连接规则与现有的基于相似函数的连接规则的准确率,验证了本文所提出方法的高效性和可行性。本文首先介绍了字符串间相似连接的应用背景,并阐述了现有的基于相似度函数的连接规则面临的挑战。然后提出了样例驱动的相似连接谓词抽取与冲突解析系统,介绍了最大化匹配序列概念,提出了连接谓词抽取方法与冲突解析策略,之后对系统进行了性能测试。最后对系统做出了总结,并给出了不足,指出了未来的工作方向。