数据是信息的载体,随着信息处理技术的不断发展,各个领域都积累了大量的数据,数据集成技术应运而生。为了更好的利用数据进行分析和决策,要求数据是可靠的、没有错误的,这就使得对数据质量的需求愈加迫切。本文对数据集成中的数据质量问题进行研究,提出了基于数据依赖的数据质量处理技术。首先,本文就数据质量的研究现状进行了详细的介绍,包括数据质量的定义、评估、分类、数据质量提高方法以及数据集成中的数据质量问题,针对数据集成中的数据质量问题的特点,本文研究了其中比较突出的两个方面的处理技术：数据一致性处理和数据唯一性处理。对于数据一致性,本文研究了基于条件依赖的处理技术。本文分析了现有一致性处理方法存在的不足,依照条件包含依赖定义了条件包含依赖的非一致性数据的语义假设,并且制定了相应地非一致性数据的修复规则。基于修复规则,结合已有的条件函数依赖修复算法,设计了利用条件依赖进行一致性处理的算法,更为有效地解决了数据源内部和数据源之间的数据不一致问题。对于数据唯一性,本文研究了基于复制依赖的处理技术。数据集成通常会导致很多相似重复记录,检测出这些记录并进行合并可以保证数据的唯一性,但目前关于相似重复记录的合并技术研究相对较少。针对现实世界中数据集成的数据源之间通常存在复制依赖关系的情况,本文通过获取数据源之间的复制依赖关系图,进而利用它确定数据最终的正确值,达到保证数据唯一性的目的。此外,还研究了唯一性处理算法的性能优化问题,给出了性能优化方法。最后,本文分别地对以上处理技术进行了全面的实验验证与分析。实验结果表明,本文提出的两种处理方法对于数据集成中数据质量的提高起到了显著的作用。