随着万维网(WWW)的飞速发展,Web尤其是Deep Web蕴含了各种各样的海量高价值信息,并且仍在以惊人的速度增长。Deep Web上的信息具有异构性、自治性和动态性等特点,这些特点决定了传统结构化信息集成方法已不能满足人们的需求。为了方便用户快捷准确的使用Deep Web中高价值信息,基于本体的Deep Web信息集成研究已成为一个非常迫切的问题,具有重要理论意义和广阔应用前景。在对Deep Web信息集成的研究现状和发展趋势进行了深入的分析后。在课题组前期工作的基础上,提出了一种基于本体的Deep Web信息集成方案。该方案包括面向Deep Web不确定知识表示的动态模糊描述逻辑方法、基于最大熵和本体的数据源发现技术、基于质量估计模型的数据源选择方法、以及基于多数据源同步标注的信息抽取和Deep Web语义集成中模糊性本体映射方法等内容。本文的主要研究工作和取得的创新成果包括:(1)一个完整、准确的本体是基于本体的Deep Web信息集成的必要前提。本文根据Deep Web特征半自动构建了Deep Web领域本体,并针对Deep Web本体学习和本体映射过程中存在不确定性知识表示问题,提出了一种面向Deep Web不确定知识表示的动态模糊描述逻辑方法(DFDLs),该方法弥补了传统描述逻辑方法对不确定性知识表示的不足。(2)针对Deep Web数据源的动态性和稀疏分布的特征,提出了一种基于最大熵分类器和领域本体的Deep Web数据源发现方法,该方法首先通过最大熵分类器进行Deep Web查询接口自动判定,然后利用基于本体的Deep Web聚焦爬虫发现Deep Web数据源,该方法使得聚焦爬虫聚焦访问那些可能链接到Deep Web入口页面的链接,从而避免访问下载不必要的页面。(3)通过服务质量可以评价Deep Web数据源的优劣,本文提出了一个基于领域本体的Deep Web数据源质量估计模型,并将其应用于Deep Web数据源选择过程中。采用此模型能够选取最符合用户需求的数据源,达到查询代价更少,效率更高的要求。(4)针对信息抽取过程中存在接口模式和结果模式缺失的问题,提出了一种多数据源间的同步标注方法。从一组Deep Web接口模式和结果模式中高效地学习领域本体知识,通过对本体的实例查询可实现多数据源间的同步标注。并成功应用此方法于Deep Web复杂结果页面抽取过程中。(5)针对基于本体的Deep Web信息集成过程中存在的不确定性模式匹配问题,将模式匹配问题转化为本体映射问题,提出了一个模糊性本体映射框架。在此框架中,运用了多个本体映射策略,从不同方面多个角度对本体特征进行描述,尽可能的发掘可能存在的映射关系,从模糊性角度表述映射过程。该方法为基于本体的Deep Web信息集成提供了一种有效和通用的自动映射策略。(6)Deep Web语义集成原型系统设计,本文根据所研究的关键技术和实际应用需求,设计并实现了一个Deep Web语义集成原型系统,该原型系统具有数据源发现、数据源选择、信息抽取和语义集成等功能。实际应用表明,该系统具有一定实用价值。本项研究工作受到国家自然科学基金项目“面向Deep Web的不完备知识处理的逻辑模型研究”(编号:60673092)、江苏省高技术研究计划项目“面向Deep Web的搜索和挖掘关键技术研究”(编号:BG2005019)、江苏省高校研究生科研创新计划项目“基于本体的Deep Web数据源发现与选择技术研究”(编号:CX08B-099Z)以及2008年苏州大学优秀博士论文选题项目资助(苏大研字[2008]22号)的资助。