随着中国民航业的蓬勃发展,越来越多的旅客选择乘飞机出行,各大航空公司以及旅行网站每天都在产生海量的民航旅客服务数据。但是这些数据来源不同,存在模式异构和数据冗余等问题,严重影响了数据的有效利用。数据集成正是解决这类问题的关键方法,因此,研究数据集成方法来消除多源异构民航旅客服务数据的模式冲突和数据冗余从而提高数据质量意义重大。首先,针对模式异构问题,提出了一种基于SimHash和混合相似度的多模式匹配方法。该方法基于PMI-SimHash算法构造属性列的签名来表示属性特征以降低特征维度,然后在对属性聚类分析的基础上计算属性的混合相似度并构建属性映射图来展示属性间的匹配关系。其次,针对数据冗余问题,提出一种面向实体匹配的无监督自学习方法。该方法通过局部敏感性哈希算法对多源数据进行分块处理,将特征相似的记录划分到相同块中,减少了候选匹配对的生成数量。然后基于无监督种子挑选算法来选择训练集并提出基于RVM的自学习算法生成有标签的实体数据集,避免了人工标注数据的额外成本。最后,通过在真实的多源异构民航旅客服务数据上进行实验,证明了本文方法具有可行性,为解决多源异构民航旅客服务数据集成中的模式冲突和数据冗余问题提供高效、可扩展的解决方案。