科技文献检索是科研工作者不可或缺的一项重要工作。随着大量以Deep Web形式存在的数字资源不断涌现，科研工作者要获得全面、满意的文献信息，需要将同一查询重复提交到多个Deep Web文献检索站点，导致查询效率很低。因此，应当出现更加有效的Deep Web集成技术来解决当前文献异构检索中存在的问题。　　基于贵州省科技计划项目《科技文献异构数据库共享检索平台》(简称SIUS)的关键技术研发，我们对文献异构检索中的Deep Web集成技术展开了研究，取得了可喜的成果，本文对研究方法和结果做一个总结和阐述。我们在研究中提出一种Deep Web数据集成机制，它结合了虚拟视图法和公共数据仓库法的优点，能够满足检索中对实时性和高效性的要求。在此基础上，提出了两个算法，一个是基于DOM树匹配的Deep Web自动抽取算法，它利用Deep Web页面中数据区域的特点，识别出数据区域，进而产生抽取规则；另一个主要算法是基于Lucene的改进排序算法，该算法在Lucene排序算法的基础上，再引入词频位置加权。实验结果表明，这些方法在Deep Web异构数据集成中能够取得了较好的效果。　　将文中提出的算法在SIUS中实现，SIUS是贵州省内唯一的异构数据检索平台，该平台已通过验收并投入使用，迄今已有200多家单位使用该平台资源，下载各种科技文献50多万篇，访问人数已达20万人次，产生了较好的社会效益和经济效益。