随着信息技术的发展,网络上涌现出越来越多的表格数据。这些结构化的网络表格覆盖面广且信息量大,因而备受人们关注。与传统的关系表相比,网络表格具有不规范性、不确定性和异构性,这些特性使得机器很难自动识别其语义。实体列是网络表格中最具有语义代表性的属性列,对网络表格实体列的准确发现,将极大地促进机器对表格主题的标注及语义的理解。已有的实体列发现方法主要有两类,即基于知识库的发现方法和基于规则的发现方法,它们的局限性在于:基于知识库的发现方法的准确率完全取决于知识库中实体的覆盖广度,遍历知识库的时间开销很大,且无法适用于多实体列表格;基于规则的实体列探测技术通常对网络表格质量要求较高,对于质量情况参差不齐的网络表格,实体列探测的准确率无法保证;此外,现有的实体列探测技术伸缩性差,难以扩展到规模较大的网络表格数据集中。针对研究现状,本文提出基于函数依赖的网络表格实体列发现方法,主要研究工作如下:(1)针对网络表格的特征提出近似主函数依赖关系。近似主函数依赖关系以主属性为决定集,能更精准地表达网络表格中主属性与其他属性间的依赖关系,有利于网络表格实体列探测和主题发现。(2)提出近似主函数依赖关系的评估和量化方法aPFDMiner。定义置信度(Conf)和增益(InfoGain)两个指标来评估和量化近似主函数依赖关系;设计剪枝策略有效地选择候选依赖关系并缩小搜索空间,以提高探测的准确率和时间效率,以便应用到规模较大的表格数据集中。实验结果显示,与传统方法相比,我们的算法aPFDMiner发现近似主函数依赖关系的时间效率和准确率更高,在规模较大的数据集上扩展性更好。(3)提出基于函数依赖的网络表格实体列探测框架ECMiner。根据aPFDMiner挖掘得到的近似主函数依赖集创建表模式依赖图,通过设计实体列评分理论模型,将实体列探测问题转化为在表模式依赖图中检测最强结点的问题,我们的方法既适用于单实体列表格也适用于多实体列表格。多个数据集上的实验结果表明:与现有方法相比,ECMiner不仅在准确率和时间效率上有了大幅度的提升,而且能适用于缺乏表头或者表头语义不清晰的网络表格以及多实体列表格的实体列探测问题。