1.一种应用于数据清洗工具的数据匹配方法，其特征在于，包括如下步骤：(1)根据输入表和输出表中的数据，导入若干差异化样本与样本生成模型参数，将模型参数配置到模型表；差异化样本中包含有分散在各个独立系统中的原始数据；

(2)对查询数据主键进行合法性判断；

(3)对非空值进行数据类型判断并进行查询生成记录；包括对内容主键的判断和时间主键的判断，内容主键的判断包括：①对主键数据进行拆分判断，如存在分隔符，则用拆分后的数字分别对目标数据库进行匹配；如拆分后判断为文字与数字的组合，则对拆分后根据的文字进行查询表，根据数字座位主键对表进行查询；

②在目标数据库里查询数据后并返回数据；

时间主键的判断包括：

①如数据主键中包含分隔符，则根据分隔符拆分形成日期字符串，进入下一步；如数据主键中包含文字，则根据汉字包含的日期关键字进行分隔形成日期字符串，进入下一步；

②对字符串数据进行长度、数值型合法判断，如和预设的模型相同，则判定合法；如和预设的模型不相同，则判断不合法，返回记录无法匹配后跳出；

(4)根据深度自学习算法，辨识所有记录中的数据，生成通用的匹配模型；

(5)使用ETL清洗，读取模型表清洗数据。

2.根据权利要求1所述的一种应用于数据清洗工具的数据匹配方法，其特征在于：步骤(2)对查询数据主键进行合法性判断中，合法性判断为对数据主键是否为规则规定内的数值进行判断，如为合法格式，则判定为非空值，进入步骤(3)；如为非法格式，则判定为空值返回记录无法匹配后跳出。

3.根据权利要求1所述的一种应用于数据清洗工具的数据匹配方法，其特征在于：步骤(4)中，还包括校验匹配模型数据，设置匹配成功率的阈值，如小于阈值，则判定匹配模型不理想，增加差异化样本，循环步骤(1)～(4)，直到满足阈值。

4.根据权利要求1所述的一种应用于数据清洗工具的数据匹配方法，其特征在于：步骤(4)中，模型生成公式为：其中D：表示训练数据样本，f(T)：表示数据样本与表及字段映射关系，Y：表示匹配目标记录，λ：表示匹配目标记录中表名，ρ：示匹配目标记录中表对应的字段名称。