随着信息化技术的快速发展,以数据驱动为中心的数据库发展创新在诸多领域都有着显著作用,如材料领域,生物医学领域。但是面对不断增长的数据量、多源异构的数据特征的挑战,传统的关系数据库明显难以处理。例如,在材料领域,由于材料数据的多样性,各种材料之间没有统一的数据表达和记录方式,材料数据的应用目的和需求也各不相同,数据的存储愈加复杂。可利用NoSQL的无模式存储、高扩展性等特性来解决这一难题。作为NoSQL数据库常用的数据存储格式,JSON因其简单性和灵活性倍受欢迎。然而NoSQL数据库缺乏模式信息,在JSON文档存入数据库之前,需要对其进行分析验证。现有研究方法对于JSON文档的结构分析存在缺陷,并且没有考虑对JSON文档的语义进行分析。例如,对于参考文献的引用,在不同标准下,论文的引用格式在结构上可能有所差异,但如果进行深层次的语义分析,会发现并无较大差异。对此,提出JOSN文档的结构异常检测与语义异常消除问题。主要贡献如下:（1）提出了面向NoSQL数据库的JSON文档异常检测模型doctor JSON,主要包括4个模块:JSON schema抽取模块、JSON schema校验模块、JSON文档检测模块、分类模块。其中JSON文档检测模块为JSON文档异常检测模型的核心,主要工作是对JSON文档进行结构异常检测和语义异常消除。（2）针对JSON文档的结构异常检测问题,提出了基于规则的JSON文档结构异常检测算法deout JSON和基于关键字删除的JSON文档结构异常检测算法deout JSON+。对JSON文档的结构异常检测问题进行了形式化的定义,定义了JSON文档中的3类结构异常数据:kv.key冗余异常、kv.key缺失异常、kv.value类型异常。设计了基于规则的结构异常检测算法deout JSON,精确地识别JSON文档中的3类结构异常数据,deout JSON算法主要包括关键字候选集合产生、关键字候选项对比、异常数据生成这3个部分。在关键字候选集合产生阶段,提出了优化策略对关键字候选集合中关键字进行排序处理,有效降低枚举树产生的关键字对比组合;在关键字匹配候选项对比阶段,使用枚举树技术生成关键字对比组合,根据JSON文档的性质提出了优化策略忽略JSON文档中跨层级的键值对,提高算法运行效率,从不同粒度进行异常检测,用于精确识别并定位异常数据;在异常数据生成阶段,提供两种形式的异常数据检测结果,检测结果的对比将更加直观明显。为了消除关键字候选项对比阶段产生的冗余对比组合,设计了基于关键字删除的结构异常检测算法deout JSON+,有效地提升了算法的结构异常检测效率。（3）针对JSON文档的语义异常消除问题,设计了基于关键字相似度的JSON文档语义异常消除算法disema JSON,对JSON文档中的语义异常消除问题进行了形式化的定义。通过词向量的相似性对JSON文档进行语义分析,对语义中出现的歧义项进行词替换以实现语义异常消除。disema JSON算法主要包括关键字向量化、关键字匹配字典生成、关键字替换3个部分。关键字向量化阶段采用词嵌入（word embedding）的技术,通过将提取的关键字集合输入word embedding模型,得到词向量的输出结果;关键字匹配字典生成阶段采用Hash Map技术存储语义异常项,同时观察语义异常数据的特征并提出了语义异常数据检测的策略:对JSON文档中的冗余异常数据执行disema JSON算法用于消除JSON文档中的语义异常;关键字替换阶段对关键字匹配字典中语义异常的关键字使用Top-K排序,选择相似度最大的关键字进行替换以实现语义异常消除。（4）在多个真实数据集和合成数据集上进行了翔实的实验,验证了deout JSON算法、deout JSON+算法的有效性、高效性,验证了disema JSON算法的有效性,通过消融实验验证了优化策略的有效性,并对检测的结果进行了实例分析。