如今互联网已经成为21世纪的重要标志之一,全球的互联网用户也在急剧增多,互联网上的信息资源变得日益丰富。互联网是一个巨大的具有共享性的信息空间,同时具有全球性、分布性。在各大网站的后台数据库中存储着越来越多的信息数据,供互联网用户查询使用。网络逐渐成为了信息查询和发布的平台,同时海量的信息被隐藏在查询受限的Web后台数据库(又被称为Web隐藏数据库)中,使得用户们无法有效地获取这些有较高质量的信息数据记录。针对此问题,我们提出本课题的研究,即帮助用户高效地从大规模的数据集中提取有用信息,并将其感兴趣的信息返回,为用户提供便捷的服务。不同于常规量级数据,大规模数据的提取存在很多问题和困难。尤其是针对Deep Web数据的抽取问题,受到网页的免费查询次数限制和对返回结果数量的限制。面对以上问题,我们需要考虑工具与程序的使用,系统资源的分配,数据挖掘方法和技巧以及如何进行数据的存储访问等方面。其中最主要的难题是如何对查询次数做出预估和控制,实现对整个后台数据库的提取。当前Web数据挖掘领域已把该问题作为一个研究热点。针对Web数据抽取问题,可以使用的方法非常多。本文对Web隐藏数据库中数据的特征进行了深入分析,对现有的抽取算法进行了研究和改进,并在实验部分验证了改进算法的有效性和优越性。本文的主要研究内容包括以下几个方面:(1)本文在前人的研究基础上,将Web隐藏数据库分为数值型属性、分类型属性和混合型属性三个类别,并分别从此三方面对Web隐藏数据库抽取和Skyline元组求解问题进行了深入的研究。(2)针对基于数值属性的Web隐藏数据库数据抽取问题:针对数值型数据集空间的划分方法,提出基于分布的多维动态划分算法(MDPA)。(3)针对基于分类属性的Web隐藏数据库数据抽取的问题:提出改进启发式切片查询算法(AHSCA),对由所有分类属性数据点构成的空间进行划分。算法能够灵活的选择下次划分的属性对象,从而降低查询成本,提高算法效率。并将AHSCA算法和MDPA算法相结合,提出一种基于混合属性的混合抽取算法。(4)求解基于隐藏Web数据库的Skyline元组,本文依据相交元组查询分解树的定义和Skyline元组的完全相交性质提出启发式查询分解方法。通过深度优先遍历或广度优先遍历的方式建立相交元组查询分解树,获得隐藏Web数据库D的Skyline元组集。(5)通过实验,验证了上述算法的有效性和优越性。