随着互联网的迅速发展,Web中出现了大量可访问的在线数据库,其中蕴含着丰富的信息,称为Deep Web信息。由于包含这些信息的页面是Deep Web网站根据用户在查询接口上提交查询动态生成的,因此传统搜索引擎无法索引这些页面。为了使用户能高效快捷的访问Deep Web信息,Deep Web数据集成成为目前信息检索领域一个亟待解决的问题,是目前研究的热点。Deep Web查询接口的理解是Deep Web数据集成中的一个关键问题,本文在深入分析Deep Web数据集成研究现状的基础上,对Deep Web查询接口相关的若干关键技术进行了深入的研究,包括Deep Web查询接口领域模型的提出,Deep Web查询接口的发现、模式抽取和基于查询实例的查询结果抽取与标注等内容。具体的创新和贡献如下：提出了Deep Web查询接口领域模型Domain Model。在对Deep Web查询接口研究的基础上,提出了领域模型,它包含了同一领域中所有查询接口的模式信息。从理论上分析了领域模型构建的可行性,并给出了构建方法和存储方案。分析了领域模型在Deep Web数据集成框架中的作用,基于领域模型为Deep Web数据集成中的若干问题提出了新的解决方法,为突破集成框架的整体性能瓶颈提供了可能。提出了一种Deep Web查询接口发现方法PostClassifier。该方法通过对接口进行查询提交,根据返回结果页面特征判定接口类型,属于Post-Query方法。PostClassifier首先借助Pre-Query方法生成的规则对接口进行预判,减少Post-Query带来的查询代价。根据查询接口领域模型对接口进行领域分类,使用领域模型提供的属性值对接口属性进行填写以保证查询的有效性。根据各种接口的查询结果页面特征,PostClassifier给出了判定查询接口类型的依据。提出了一种查询接口模式抽取方法,该方法第一次分别处理查询接口中的标签和控件。提出了根据领域模型生成接口标签树的方法,为接口中的每个标签在领域模型中找到对应节点,需要处理标签重复和标签失效等问题。提出了控件和标签的匹配方法,将接口中控件和标签的匹配转化为控件和领域模型中标签对应节点间的匹配,因此可以使用更多的信息,提高了标签和控件匹配的正确率。对于失效标签,若它与某个控件相匹配,通过最后的结果合并仍然可以得到正确的处理。实验结果表明该方法能有效的抽取查询接口的模式信息。提出了查询结果抽取与标注方法EaSd。EaSd采用VIPS页面分块方法表示结果页面,更接近人类对Web页面的认知,有利于后续的抽取与标注工作。EaSd根据查询关键字会出现在查询结果记录中这一性质进行记录节点发现,并根据多个记录节点发现结果记录块。EaSd对结果记录的数据单元进行数据对齐,进而发现它们的共同模式和特征,利于标注。使用本地接口和领域模型共同进行标注,解决了本地接口属性不全和标注不一致问题,同时使用多种标注方法进行标注,提高了标注的召回率和准确率。实验结果表明了EaSd能很好的抽取结果记录,并能正确地标注大部分属性。