随着网络的发展,网上蕴藏着越来越多的信息,而更多的信息被隐藏在网络深处,称之为Deep Web,俗称深网。为了挖掘Deep Web中的信息,Deep Web数据集成的研究成为当务之急。而其中一个非常重要的方面就Deep Web查询接口的集成。查询接口是Deep Web的唯一入口,而查询接口通常以表单的形式表示。在本文中表单是主要的研究对象,所以在前面部分首先对表单的基本知识做了介绍,然后列举了一些常用的分类算法。本文主要做了两个部分的工作:第一个工作就是Deep Web查询接口识别,将Web网页中的表单作为研究对象,利用一定的规则提取表单特征,构成表单特征向量,而后利用C4.5分类算法识别DeepWeb查询接口,也就是找到深网的入口。在实验中利用Weka平台对几种常见的分类算法进行了比较,验证了C4.5分类算法的优越性。找到深网入口后,接着对Deep Web查询接口进行分类,确定查询接口属于哪个领域,如:音乐,商业,新闻等,这部分工作的主要研究对象也是表单,提取表单的文本特征,以向量空间模型表示。然后利用朴素贝叶斯分类算法对Deep Web查询接口进行分类,以确定查询接口属于哪个领域。在这部分也通过实验对几种分类算法进行了比较(如:SVM,C4.5,NB),最后发现朴素贝叶斯分类算法精确度最高。