随着Internet技术的快速发展,Web数据库得到了广泛应用。这些Web数据库能根据用户提交的查询请求,将存放在数据库的对象信息以HTML页面的形式动态呈现出来。对于传统搜索引擎来说,这部分页面信息是不能被索引的,我们称之为Deep Web。最近几年的研究成果表明,Deep Web蕴含着大量有价值的信息。因此,Deep Web已成为一个研究热点,受到研究人员越来越多的关注。本文对面向Deep Web的数据抽取与语义标注技术进行了研究,主要研究工作包括:1)详细介绍了Web信息抽取的相关技术及评价标准,引入了Deep Web查询结果页的Web对象信息抽取问题,并提出了一个自动化的Web对象抽取系统架构。2)在对Deep Web查询结果页布局特征分析的基础之上,将页面的视觉特征与DOM模型相结合,提出了基于页面布局的数据区域发现算法PLDF。3)基于对查询结果页面生成模型的分析,提出一种通过查找数据区域节点下连续相似节点组来实现自动化数据记录抽取的方法。4)将数据项的语义标注过程看成是一个受其上下文影响的随机过程,在领域对象模式的支持下,提出了一种基于最大熵模型的语义标注方法。最后,对文中提出的方法和技术进行了相关的实验,通过对实验结果的分析进一步验证本文提出的算法的有效性。