随着World Wide Web(WWW)的飞速发展,整个互连网上的有用信息量也在急剧增长。为了能够有效的利用这些信息,需要将来自于不同网站上的数据识别出来,并将这些有用的信息合并到一个统一的模式下。但Web数据库的异质性和自主性使得这项工作很具有挑战性。本文在分析国内外已有的Web数据合并方法的基础上,根据神经网络具有自组织、自学习以及自适应的特点,提出一种基于神经网络的Deep Web数据合并技术。主要研究的工作包括:(1)对Deep Web数据合并技术的国内外研究现状进行调查,对现有的经典的Web数据合并技术进行研究。(2)针对已有的Web数据合并技术的缺陷,本文提出一种基于神经网络的方法,该方法从数据表的特征和属性特征方面考虑来实现Web数据合并,为解决Web数据合并问题提供一种有效的途径。(3)以神经网络为基础的Deep Web数据合并方法的前提是先将Web上获得的数据进行数据转换,所以本文还研究了Web的数据转换技术,该技术实现将Web上的数据映射到结构化的关系数据库中,以便进一步进行研究。(4)应用神经网络工具箱来进行网络训练和仿真,保证该数据合并方法的可操作性,并采用实例验证基于神经网络的Web数据合并技术的准确性和优越性。最后,本文对所做的工作进行总结,并对以后的研究内容进行展望。