近几年，随着web技术的发展和计算机的普及，人们在享受科技带来便利的同时，往往被大量的数据包围，以至于无法识别数据的真实性，实用性，是否与自己相关。数据空间作为管理海量异构数据的新理念，旨在管理与用户有关的数据，并提供操作简单方便的查询服务等。与传统结构单一的关系数据库不同，数据空间的多源异质异构这一特性是数据空间研究的重点和难点。因加入数据空间的数据量大，任何数据之间都可能存在关联关系，因此，对数据的相关性的研究尤为重要，可以使用户更有效的管理和访问他们的数据。挖掘异构数据的相关性即发现任何两个不同数据可能存在的关联关系，不仅能为用户提供内容丰富的查询服务，也为数据空间的进一步集成，演化提供基础。因此我们的研究，不仅要考虑数据结构上的相关性，还应考虑数据内容上的相关性，同时对于个人数据空间，我们还应考虑用户活动对异构数据相关性的影响。本文在数据空间的背景下，研究了数据的相关性。本文主要完成的工作包括：（1）考虑数据内部的关联关系和用户活动相关性作为数据相关性的一种，提出了挖掘相关的异构数据集合的算法，并通过实验验证了算法的可行性和高效性；（2）针对数据空间中可能存在不同名实体指向现实世界的同一实体或者同名实体表示现实中的不同实体这一问题，和数据空间的多源异构特性，提出两阶段的实体统一模型和算法；（3）提出了数据空间的查询和索引方案，并实现了数据空间原型系统的查询索引子系统，提供操作简单且返回内容丰富的关键词查询和数据浏览功能。数据空间的数据复杂纷乱和随机性使得数据的关联关系繁杂，因此对数据相关性的研究是数据空间研究的关键问题。本文提出的数据的相关性研究，为进一步的数据处理提供基础。