Deep Web的流行使得集成deep Web中隐藏的海量信息成为数据集成领域的研究热点。而集成deep Web中隐藏的海量信息,首先要对deep Web的查询接口进行匹配。因此,作为deep Web数据集成过程中的关键操作,多源模式匹配方法逐渐成为模式匹配领域的热点课题。本文在对国内外多源模式匹配方法的研究现状进行综合分析的基础上,从一个全新的角度对多源模式匹配方法进行了研究,具体内容如下。首先,本文简要介绍了元查询系统和多源模式匹配方法的概念,分析了多源模式匹配方法与一般的模式匹配方法的异同,介绍了本课题所基于的模型构建和复杂匹配的相关概念,为本文的全面展开奠定了基础。其次,在现有多源模式匹配方法的基础上,提出了一种改进的基于素数的多源模式匹配方法,弥补了现有多源模式匹配方法的不足,给出了具体的算法和相应的时间复杂度分析,并通过具体实例对算法进行了说明。再次,针对deep Web数据源和匹配结果的特点,提出了一种基于知识的多源模式匹配方法,通过为每个deep Web领域建立匹配知识库,在匹配过程中充分利用已有的匹配知识,缩短匹配时间。给出了基于知识的多源模式匹配方法的具体实现算法和相应的时间复杂度分析。最后,在四个领域deep Web数据源上对上述算法进行了实验验证,并对实验结果进行了分析。