字符串相似性連接是數(shù)據(jù)質(zhì)量管理的基本操作，也是數(shù)據(jù)價值發(fā)現(xiàn)的關鍵步驟。針對目前已有的方法不能滿足面向大數(shù)據(jù)的增量式處理需求的問題，提出一種面向流式數(shù)據(jù)的增量式字符串相似性連接方法-Inc-Join，并對方法的索引技術進行了優(yōu)化。該方法以Pass-Join字符串連接算法為基礎，首先，采用字符串劃分技術將字符串劃分成多個互不相交的子串；然后，建立字符串的反向索引列表并將其作為狀態(tài)；最后，新增數(shù)據(jù)只需根據(jù)狀態(tài)進行相似性計算，每次連接操作結束后都對狀態(tài)進行更新。實驗結果表明，Inc-Join方法在不影響連接準確率的同時，有效將長、短字符串重復匹配次數(shù)減少為根號n（n是批處理方式的匹配次數(shù)）。實驗對3種數(shù)據(jù)集進行處理，發(fā)現(xiàn)使用批處理方式進行相似性連接的響應時間是Inc-Join的1至4.7倍，并呈現(xiàn)急劇遞增的趨勢；而且優(yōu)化后Inc-Join方法的響應時間最小只占優(yōu)化前的3/4，并隨處理數(shù)據(jù)的增多所占比例越來越小。同時優(yōu)化后的Inc-Join不需要保存狀態(tài)，再一次減小了算法執(zhí)行的時間和空間開銷。