从因特网的“深度”将其分为Deep Web 和 Surface Web两类。Deep Web中蕴含有极其丰富的信息,并且比Surface Web所蕴含的信息更加具有利用价值。然而,由于DeepWeb信息是以相互独立的形态分散在因特网的各个角落里,并且这些信息一直处于种动态的、不断变化的状态,这就使获取Deep Web信息的工作变得非常困难。因此,为了用户能够更好地获取到这些有价值的信息,就必须使用Deep Web数据集成的方法去达到这一目的。Deep Web查询接口的判定是Deep Web数据集成的首要工作,是为了用户可以通过真正的Deep Web查询接口获取到真正的Deep Web信息。首先根据页面的URL对页面进行初步的筛选,在对页面表单进行特征提取之前运用启发式判定规则对网页表单进行进一步的筛选。利用Adaboost算法对多个弱贝叶斯分类器融合最终形成一个强贝叶斯分类器,对原有的朴素贝叶斯进行加强,降低了朴素贝叶斯算法对独立性属性要求预先进行假设过度依赖的缺点,根据每个贝叶斯分类器相互间存在的差异性来提升整个分类器的效率。在上一步工作的基础上,抓取到真正的Deep Web数据源,然后再对Deep Web数据源进行分类。利用朴素贝叶斯算法将那些对最后分类结果影响不大的属性进行简约,从而可以减少一部分KNN分类过程中的一些不必要的判定操作,实现对KNN分类算法的优化改进。