基于本體的生物農(nóng)藥信息抽取系統(tǒng)的設計與實現(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)構化的信息中獲得所需要的信息同時對這些信息進行格式化處理,信息抽取技術就應運而生,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。由于本體有很多獨有的優(yōu)點,如可以分享不同人對知識結(jié)構的共同的理解,可以增強領域知識的復用等。因此,本文中引入本體的概念來協(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)藥的命名實例和實例間的相互關系。
　　首先,本文對信息抽取的相關概念、發(fā)展應用和信息抽取的衡量標準做出了詳細的介紹,同時介紹了本體的相關定義、組成元素和分類,以及本體和信息抽取兩者之間的聯(lián)系,同時介紹了文章涉及的相關技術等。
　　其次,本文根據(jù)通用的本體設計流程結(jié)合生物農(nóng)藥領域特有的知識,展示了生物農(nóng)藥本體的具體的設計流程、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)相關生物農(nóng)藥數(shù)據(jù)庫對生物農(nóng)藥本體添加了實例。生物農(nóng)藥本體的設計經(jīng)過不斷的修改,最終得到了相關領域?qū)＜业恼J同。
　　本文針對生物農(nóng)藥領域的信息抽取的需求,設計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,通過對網(wǎng)頁的預處理,先把網(wǎng)頁處理成DOM樹的形式,獲得了網(wǎng)頁的文本內(nèi)容,對文本內(nèi)容進行預處理如分詞、標注等,通過解析本體對本體進行持久化的存儲和用戶字典的生成。同時,本文中提出基于本體的三元組匹配