随着网络技术的飞速发展,用XML表示与存储的数据量与日俱增,尤其在网络数据的发布,各组织间的数据交换以及电子商务等应用领域中。XML已经成为数据表示,存储与交换的标准,在XML信息的识别与整合应用中,XML数据的实体识别技术有着大量的需求。目前,在XML数据实体识别的研究中,主要的方法是基于距离度量和相似性函数,而且研究人员忽略了XML数据实体识别的优化问题。但在现实世界中,一方面,不同源数据集的表现形式往往不同,而且数据经常是非清洁的,相似的XML数据不一定表示同一实体,指代同一实体的XML数据并不一定具有相似性。另一方面,源数据集通常包含多个可区分的实体信息,在进行实体识别时,存在着很多无用的代价消耗,具有较大的优化空间。本文提出了基于语义规则的XML数据实体识别方法和基于双聚簇的优化算法。首先提出了“类树结构”,类树结构利用了描述实体的结点和XPath路径的语义,它是由比较符连接的,带有XPath限制的可比较结点对。其次,根据类树结构和一组语义规则集推导出若干用于实体匹配的“识别类树体”,“识别类树体”能够保证在源数据集非清洁时,得到较好的实体识别效果。然后,在XML源数据集的规模上,进行了优化。在两个XML数据集上进行实体识别时,首先为各XML树建立索引,并将索引相似的XML数据聚为一簇,而不在任何聚簇中的数据,无需进行进一步的实体识别操作。最后,实验验证了本文提出的算法在保证了准确率的前提下,具有较高的效率,并且优化算法取得了较好的优化效果。