科技文檔中化學結構的描述與搜索.pdf

1、Internet中存在著大量的化學信息資源，在這些海量信息面前，用戶要查找自己需要的信息，必須要借助于搜索引擎。目前，很多化學結構信息采用了系統(tǒng)命名法、線性碼等方法進行描述，但是這些化學結構描述方法本身難以實現(xiàn)化學結構的檢索，且Google、百度等通用搜索引擎目前只能按文本關鍵詞進行檢索。如要有效地利用Internet中這些化學資源，必須要建立針對這些資源的化學結構搜索引擎。
　　 在分析化學結構不同描述方法的基礎上，為方便化學

2、結構的檢索，科技文檔描述語言ScienceML中采用了CML（Chemical Markup Language）作為描述化學信息的標記語言；結合現(xiàn)代信息檢索技術和化學結構檢索的特點，設計了一個化學結構搜索引擎（Chem Search），實現(xiàn)了化學結構的全結構、子結構、結構相似性檢索。為了在檢索時可以快速地查找化學結構，化學結構在數(shù)據(jù)庫中的存儲位置采用Hash函數(shù)來定位；網(wǎng)絡機器人采用“關鍵詞匹配算法”來指導其爬行，以減少搜索范圍，提高網(wǎng)

3、頁采集性能；化學結構相似性檢索采用了改進的基于圖特征矩陣索引的檢索算法，進一步提高了相似性檢索的效率；用戶可以通過瀏覽器直接訪問Chem Search，輸入要檢索化學結構的SMILES或InChI，也可以借助于提供的JME分子編輯器直接繪制出化學結構，并指定檢索類型，得到檢索結果。
　　 實驗證明Chem Search可以有效地實現(xiàn)對化學結構的檢索。下一步的研究重點是如何有效地識別與提取以圖片形式表示的化學結構信息，實現(xiàn)對這一部