随着Web规模日益扩大,网络已经成为一个巨大的信息资源库。网络中包含了各种类型的对象信息,其中很大一部分信息被“深藏”于各类在线数据库中,用户只能通过向接口提交查询来获取信息,这类信息被称为Deep Web。如果这些对象信息能够被集成起来,提供对象级的检索服务,用户就能够快速、准确地找到所需信息。本文对面向Deep Web的对象检索关键技术进行了分析研究,并提出了相关的算法和模型。主要研究工作包括:(1)采用聚焦爬虫技术处理Deep Web数据源发现问题,提出了一个面向查询接口的聚焦爬虫框架及算法。(2)研究了基于URL模式和基于关键词查询的Web数据库内容获取方法。介绍了利用文档对象模型和正则表达式来抽取网页中的对象信息。(3)对Web对象的变化规律进行了建模,提出要根据对象的平均变化频率,确定本地数据的同步频率。(4)提出了一种混合对象匹配模型,该模型考虑了数据抽取中的多级错误,将对象属性抽取准确率作为参数来平衡结构化和非结构化的相似度计算方法。(5)参与设计并实现了一个面向Deep Web的对象检索平台。此外,本文还对文中提出的方法和技术进行了实验,通过对实验结果的分析进一步证明本文提出的技术方法是行之有效的。