基于本體的生物農(nóng)藥信息抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展,信息的膨脹,海量的信息出現(xiàn)在人們眼前,我們可能只是需要大量信息中的部分信息,怎樣才能高效率的從這些海量的非結(jié)構(gòu)化的信息中獲得所需要的信息同時(shí)對(duì)這些信息進(jìn)行格式化處理,信息抽取技術(shù)就應(yīng)運(yùn)而生,信息抽取的目是為了處理從非格式化文本中抽取格式化的信息。
　　近些年,本體的概念日漸流行起來(lái)。由于本體有很多獨(dú)有的優(yōu)點(diǎn),如可以分享不同人對(duì)知識(shí)結(jié)構(gòu)的共同的理解,可以增強(qiáng)領(lǐng)域知識(shí)的復(fù)用等。因此,本文中引入本體的概念來(lái)協(xié)助信息抽取

2、。借助本體的概念層次化的描述,本文中主要抽取生物農(nóng)藥的命名實(shí)例和實(shí)例間的相互關(guān)系。
　　首先,本文對(duì)信息抽取的相關(guān)概念、發(fā)展應(yīng)用和信息抽取的衡量標(biāo)準(zhǔn)做出了詳細(xì)的介紹,同時(shí)介紹了本體的相關(guān)定義、組成元素和分類,以及本體和信息抽取兩者之間的聯(lián)系,同時(shí)介紹了文章涉及的相關(guān)技術(shù)等。
　　其次,本文根據(jù)通用的本體設(shè)計(jì)流程結(jié)合生物農(nóng)藥領(lǐng)域特有的知識(shí),展示了生物農(nóng)藥本體的具體的設(shè)計(jì)流程、本體的類層次以及生物農(nóng)藥本體的部分OWL文件內(nèi)容,并

3、且根據(jù)相關(guān)生物農(nóng)藥數(shù)據(jù)庫(kù)對(duì)生物農(nóng)藥本體添加了實(shí)例。生物農(nóng)藥本體的設(shè)計(jì)經(jīng)過不斷的修改,最終得到了相關(guān)領(lǐng)域?qū)＜业恼J(rèn)同。
　　本文針對(duì)生物農(nóng)藥領(lǐng)域的信息抽取的需求,設(shè)計(jì)了基于本體的生物農(nóng)藥的信息抽取系統(tǒng)的框架。首先利用URL下載所要抽取的網(wǎng)頁(yè),通過對(duì)網(wǎng)頁(yè)的預(yù)處理,先把網(wǎng)頁(yè)處理成DOM樹的形式,獲得了網(wǎng)頁(yè)的文本內(nèi)容,對(duì)文本內(nèi)容進(jìn)行預(yù)處理如分詞、標(biāo)注等,通過解析本體對(duì)本體進(jìn)行持久化的存儲(chǔ)和用戶字典的生成。同時(shí),本文中提出基于本體的三元組匹配