近年来,互联网上涌现出大量结构化的表格数据,网络表格的价值不仅在于数据本身,还在于数据之间的关系。只有探测出表格之间潜在的关系,方能更好地利用这些结构化的数据。然而,网络表格的异构性和不确定性给网络表格间的关联关系发现带来很大的挑战。本文提出发现网络表格间的快照关系和参照关系,用于优化查询,在大数据环境下实时地返回部分查询结果,以及帮助实现数据融合系统中的开放式查询。论文提出快照关系发现的理论模型和算法,给出基于实体和属性重合度的评分方法,并引入实体新鲜度的概念,使得算法在快照关系的发现过程中更多地关注能提供新鲜实体的表；与此同时,基于Bayes模型的表格内容增强算法能更加准确地判断属性列上值的一致性,达到提高快照关系检测准确率的目的。大量实验表明,本文设计的发现快照关系的评分模型能发现高质量的快照表,且在快照表上的查询精度和召回率上表现较好。论文提出基于概率模型的评分方法用于网络表格之间的参照关系发现,引入实体对给定表的权重,使得算法在参照关系发现的过程中更多地关注参照列内多次重复的实体。此外,由于引入实体对概念的权重,使得算法可以用概率判断一个实体是否是该概念下的噪声数据,进而降低网络表格上噪声数据带来的影响。大量实验结果表明,本文提出的检测参照关系的算法不仅能够在数据集中发现较高质量的参照表,同时也表现出较高的降噪效果,且发现的参照表在面对失效查询时召回效果较为明显。