抽取数据的不确定性使得为why-not问题提供数据溯源解释变得越来越有必要.尽管已经提出了一些模型来得到why-not问题的最小化解释,但是当数据量很大时,这些模型的解释效率就会变得很低.为了提高解释why-not问题的效率,提出了一种新的解释方法.该方法首先根据查询语句和why-not问题构建各查询关系的查询模板.接着依据查询模板将各关系表中的元组修改为能够映射到其查询模板的候选连接元组,同时,记录每个候选连接元组修改的属性分量的个数,并根据连接属性分量对这些候选连接元组建立映射结构.然后,对这些候选连接元组作等值连接得到why-not问题的数据溯源解释.最后,在这些解释中找出修改属性分量个数最少的解释作为why-not问题的最小化解释.为了减少解释的空间代价和时间代价,又提出了一个改进算法,该算法能够避免保留大量不可能产生最小化解释的候选连接元组,提高了最小化解释的效率.实验表明,该算法可以快速有效地为why-not问题返回最小化解释.