深层网络指的是位于表层网络之下所隐藏的数据，需要用户填写表单发送查询请求才能获取，其数据量远远超过表层网络且信息价值巨大。由此原因，如何挖掘出位于深层网络中的海量数据成为了研究热点，特别是Deep Web的信息集成研究尤为重要。Deep Web数据集成中的第一步是Web数据库的发现，也就是查询接口的发现。但由于深层网络的数据位于众多的web数据库中，并且处于不断的变化中，相应的接口也可能随之改变，增大了获取的难度。其中最为突出的技术难点是：一，Web数据库分布广泛且数量巨大，获取包含查询接口的网页信息的效率问题有待提高；二，查询接口都是以表单的形式存在，但并非所有的表单都是查询接口，如何从中正确地筛选出Deep Web查询接口、提高分类正确性也是亟待解决的问题。围绕着Deep Web查询接口发现中的两个难题，本文主要做了以下工作：首先，对Deep Web进行研究，其中包括Deep Web的概念、规模、存在方式、获得方法以及Deep Web查询接口发现中的一些关键问题，提出本文研究的研究方向和内容。其次，对查询接口发现中用到的相关技术进行分析，包括通常用的DOM解析和启发式规则研究，然后分析了查询接口发现的主要算法，并进行比较。再次，针对面向领域的Deep Web查询接口获取的效率问题，本文提出了一种查询接口发现算法，包括基于单线程和多线程算法，并进行试验对比，结果显示基于多线程的算法效率提升显著。最后，为了从获取的网页表单中正确地筛选出Deep Web查询接口，本文在前人研究的基础上，提出了基于启发式规则的K最近邻算法，用于从表单中正确识别出Deep Web查询接口，为了进行实验验证，本文从多种途径多个领域取得查询接口和非查询接口，并分别进行实验，实验结果表明，该算法能明显提高对Deep Web查询接口的辨别能力，特别市在面向图书领域的实例中，在查重率和查全率方面都有明显提升。