姚晓鹏　高圣兴　薛君志　陆敏超

1(上海申腾信息技术有限公司　上海 200040)2(上海市计算技术研究所　上海 200040)3(浙江工商大学统计与数学学院　浙江 杭州 310018)

0　引　言

深网是相对于表层网络而言的，不能被传统的搜索引擎索引到信息资源的，指的是互联网中可访问的在线数据库。其内容存储在真正的数据库中，但这些内容只有在递交查询后才会由Web服务器动态生成页面把结果返回给访问者的网站。

深网的研究目前主要分为两个方面：(1) 深网的规模、分布和结构的研究。美国Bright Planet公司，专门从事数据整合和企业信息分析，开发了深网检索平台工具DQM。此外，还对深网的规模和相关性进行了研究，并发布了调查白皮书。(2) 深网信息搜索中的关键技术的研究。目前主要的关键技术有Deep Web接口识别方法、信息提取算法、数据库选择算法、Deep Web集成查询接口生成方法等。

而深网的信息资源具有以下三个特点：(1) 信息资源量巨大。深网是Internet中信息最快的增长点，并且随着时间的推移，深网的信息量会越来越大。(2) 信息质量高。它与表层的一般网页相比，深网的内容都更加的专业和有深度，信息间的相关度也比较高，具有巨大的商业价值和潜在信息。(3) 信息便于处理。深网的信息多数容易使用一些统计软件处理，格式相对整齐。因此解析深网主要功能并研究其关键技术，从而采集深网的巨大信息资源，具有重要意义。

在深网的信息数据搜索中，用户可以按照自己的需求进行搜索，网络服务器将会自动检索后台数据库，生成满足条件的结果页面。……