随着信息技术的不断发展，Web上的信息量呈爆炸性增长。按照所蕴含信息深度的不同，可以将Web划分为Surface Web和Deep Web两大类。其中，Deep Web是指那些存储在Web数据库里、不能通过超链接访问而需要采用动态网页技术访问的资源集合。Deep Web中的信息量远远大于Surface Web中的信息量，有效地利用这些信息，能够更加充分地发挥Internet的作用。然而，在查询信息的过程中难免会产生失败查询，即没有结果返回的查询。对失败查询进行处理，使其返回与用户意愿比较相近的结果，比告知用户没有结果更具协作性，更有意义。　　 本文基于对Deep Web环境的观察和分析，提出了一种Deep Web环境下查询松弛的解决方案。首先，利用查询探测获得未知数据源的样本信息，并根据样本信息计算各个属性的近似函数依赖关系，得到属性重要度：然后，通过变换数据源关系全图得到针对于查询请求的数据源关系图；最后，利用这个数据源关系图，就可以按照特定的规则进行查询松弛和执行过程。　　 由于查询松弛的存在，从各数据源得到的结果数量可能很大，部分结果与用户查询请求的相似度较低，因此从各数据源得到结果后，先通过skyline方法对结果进行筛选，然后根据各个结果实例与用户查询的相似度进行排序，将最接近用户要求的结果集返回给用户。　　 以此查询松弛和结果过滤方法为基础，实现了Deep Web搜索引擎DWSearch中的查询处理子系统。出于处理并发访问的考虑，该系统采用了分布式设计。以DWSearch系统为平台，通过实验验证了本文提出的查询松弛和结果过滤办法的有效性。