集成Deep Web中的数据信息是一项非常重要的工作,在这项工作中常会遇到信息冗余和记录去重问题,它们常成为集成工作成败的关键。估计web数据库重叠率,可以优化信息冗余和记录去重工作,减少集成的盲目性。本论文主要包含三部分内容:1.提出了在理想情况下的web数据库重叠估计方法,包括一种朴素方法和在朴素方法基础上的改进方法。朴素方法研究覆盖了从采样到估计的整个流程,但忽略了web的复杂性;改进方法通过高频字采样,提高采样和估计效率。2.针对理想情况下的web数据库重叠估计方法省略掉的web数据库记录匹配问题,提出了web数据库重叠估计中的实体识别方法。根据Deep Web查询接口和返回记录的特点,引入领域知识和预处理,计算记录相似度,从工程的角度降低识别复杂度,提高识别准确性和效率。3.为了进一步提高重叠估计的适应性,提出了web数据库重叠估计的修正方法,通过回归分析建立数据库相似度和估计偏差之间的关系,利用数据库相似度预测估计偏差,提供真实值可能存在的范围。本文进行了大量的实验,验证提出的各种理论和方法,同时提出了有待进一步深入解决的问题,展望该领域科研发展的方向和前景。