数据集成就是把来自异构分布数据源的数据整合起来.因为相同对象在不同的数据源中可能会有不同的表示方法,即存在重复记录,所以数据集成理想的结果是相同的对象有唯一完整正确的表示.数据清洗是数据集成中一个重要的环节,是实现理想的数据集成结果的重要方法,其主要任务是清除来自不同数据源中的重复记录,保证一个对象在结果集中只有唯一的一个表示. 这个问题已经在关系型数据库中得到了广泛的研究.但是在今天,关系型的数据只是数据表示形式的一个很小的部分.而XML数据应用的越来越广泛,尤其是在数据发布和数据交互以及数据集成,数据挖掘等领域.与关系型数据相比,XML数据是一种层状的,半结构化数据,远比传统的关系型数据要复杂. 在本文中,提出了一种基于对象树相似匹配的XML重复对象监测模型,它包括对象分组,对象树的生成,检测以及聚类重复对象组成.此模型在SEU-ETL中得到了应用,实践证明,此模型很好地解决了XML对象在结构内容上给重复对象检测带来的各种问题.进一步提高模型的性能,实现候选对象的自动检测是未来尽一步努力的目标。