Web是当今世界上最大的公共数据来源,从海量异构、半结构化的Web页面中提取有价值信息逐渐成为数据挖掘的重要任务。传统的基于机器学习的数据挖掘算法虽然已经取得一定效果,但是难以在现有基础上进一步提升,也不能解决更加复杂的文本处理问题,因此,当前Web数据挖掘研究的重心逐渐转向深度学习领域。本文的研究目标为从全球排名前100所英文母语授课高校的海量网页中提取任课教师的个人教育经历,在网络爬虫获取页面数据的基础上,使用先页面分类后信息提取的方法进行挖掘工作。页面分类阶段,提出基于多尺度卷积核的神经网络分类模型(CNN,Convolutional Neural Network)。信息提取阶段,使用分类后数据得到目标信息,提出字符-单词联合特征的双向GRU网络(Gated Recurrent Unit)和双向GRU网络结合CRF(Conditional Random Fields)的信息提取模型,此外,还提出将基于全文理解的问答系统引入信息提取任务中来。通过在多个数据集上,与多个当前被广泛使用的信息提取方法对比,以探索当前最优模型和未来的发展方向。本文研究发现,在页面分类问题上,本文提出的多尺度卷积核神经网络比传统的支持向量机准确率高2.77%,有明显提升;信息提取问题上,双向GRU+CRF的网络取得比传统的CRF和当前最被广泛使用的长短记忆网络更好的效果。本文的算法在实际挖掘任务中实用性较强,具有良好的应用场景。