随着大数据的发展,不同信息系统中都存在着海量数据,各系统之间由于应用目的不同、数据存储规范不同,导致各系统数据之间存在异构性,数据彼此隔离无法连通。数据间存在的多源异构性使其无法实现统一管理和共享,容易产生信息孤岛、技术孤岛、资源孤岛等问题,难以进行领域数据的联合分析。为了解决当前面临的问题,充分发挥数据价值,需要对多源异构数据进行数据集成,数据集成是实现信息共享、构建数据统一访问的关键技术。本研究重点内容是高校多源信息系统之间的数据集成问题。在当前业务场景中,各个数据源是由不同的组织使用不同的模型或规范进行设计,由于技术和人为因素的限制,不同数据源的存储方式和标准存在差异,数据源间存在模式异构、语义异构等问题,如何提高异构数据利用率成为亟待解决的问题。为了实现多源异构数据间的关联访问,提出一种数据集成方案用于对各个异构数据源进行有效整合。为了克服传统数据集成方案查询效率低下,自动化程度不高的问题,本文引入语义网络基于本体技术进行数据集成;为了提高本体的表达能力,引入数据库元数据信息基于BP神经网络算法进行关联分析。研究内容如下:（1）基于本体技术对数据进行集成,首先根据多源数据库构建局部本体,针对局部本体,使用多种相似度算法对局部本体进行匹配,解决不同本体概念以及属性之间的语义冲突。在多种相似度算法得出的相似度矩阵汇聚运算时,考虑不同矩阵数据特征对结果的影响,使用动态自适应权值的方式进行矩阵融合,保证结果的客观性,最终通过稳定婚姻算法选出概念之间的映射关系。（2）为了充分利用数据库元数据信息提高本体的匹配能力,引入BP神经网络算法对本体匹配过程进行关联分析,利用神经网络的自学习能力进行属性匹配。最后,通过本体相似度计算与BP神经网络相结合的方式计算局部本体概念之间的映射关系,通过映射关系构建领域全局本体,通过把对多源信息系统的查询转换为针对全局本体的查询,进而完成多源异构数据之间的集成工作。（3）对本文提出的基于本体和神经网络的数据集成方式,分别在公开数据集和真实场景数据集上进行实验,实验结果表明本文算法在数据集成中具有良好的性能。最后,结合实际应用场景,把本文算法应用到异构数据集成平台中,为数据用户提供统一的数据查询视图,实现多源异构数据之间的联合访问。