随着网络规模的日益扩大,网络已经成为巨大的信息资源库。其中很大部分信息被“深藏”于各类在线数据库中,用户只能通过查询接口提交查询来获取里面的信息,这类网络信息被称为Deep Web。由于Deep Web资源的异构性、大规模性和动态性使得寻找合适的数据源成为巨大的挑战。亟需一种Deep Web信息集成系统,Deep Web数据源分类是集成系统中的关键步骤。本文主要研究的是Deep Web数据源分类,主要工作包括:(1)对Deep Web相关背景和国内外研究现状进行了介绍,并提出了本文的框架、重点研究内容以及研究意义。(2)分析了基于可视化的查询接口特征信息提取技术,在此基础上提出查询接口的表单内容特征和文本内容特征提取方法。(3)对于查询接口资源丰富情况下的Deep Web数据源分类,本文引入数据挖掘的思想。利用Apriori算法,挖掘出接口特征资源中的频繁模式。利用频繁模式更好的领域信息贡献能力,改进了朴素贝叶斯分类模型中的独立特征,发挥特征之间的联系,放松条件独立性限制,更好的实现了Deep Web数据源分类。(4)对于查询接口资源稀疏情况下的Deep Web数据源分类,本文对特征进行语义扩展。通过外部知识库WordNet,建立包含同义词集的特征向量,有效的增加了查询接口特征的领域划分性。利用改进的KNN分类算法,建立数据源分类模型。本文选取了UIUC Web数据集中六类领域的Deep Web数据源查询接口集合作为实验数据,然后利用10折交叉验证法分别对本文提出的两个分类模型进行了验证,证明本文所提出的两个分类模型具有较好的分类精度和应用价值。