基于本體的Web生物數(shù)據(jù)獲取技術的研究.pdf

1、隨著互聯(lián)網(wǎng)和生物信息的飛速發(fā)展，即時發(fā)現(xiàn)新的生物信息數(shù)據(jù)源來進行研究變得非常重要。傳統(tǒng)的基于關鍵詞的搜索引擎由于忽視了關鍵詞本身所含的語義信息而得到較低的查全率和查準率，變得越來越不適應這種需求。此外Web已經(jīng)發(fā)展成為一個巨大的、分布和共享的信息資源，但目前Web數(shù)據(jù)大多以HTML形式出現(xiàn)，其特點使得應用程序無法直接利用Web上的海量信息。針對這一問題，出現(xiàn)了Web信息抽取技術。 本文在研究了語義Web和本體Ontology技術

2、，以及信息檢索和半結構化Web信息抽取技術總體解決方案的基礎上，著重研究了Web生物信息數(shù)據(jù)源的發(fā)現(xiàn)以及生物信息數(shù)據(jù)抽取的實現(xiàn)技術。在Web生物信息數(shù)據(jù)源發(fā)現(xiàn)的實現(xiàn)部分，提出了基于本體和特征短語的生物信息數(shù)據(jù)源發(fā)現(xiàn)的檢索系統(tǒng)。在Web信息抽取的實現(xiàn)部分，提出了由本體驅動，并根據(jù)文檔結構和特征匹配來進行信息定位和信息抽取的方法，建立了一個用戶指導的交互式信息抽取原型系統(tǒng)。該系統(tǒng)首先獲取指定的Web頁面，并且利用HTMLJTidy將其轉換為