基于本体的生物农药信息抽取系统的设计与实现

《基于本体的生物农药信息抽取系统的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERTHESIS论文题目：基于本体的生物农药信息抽取系统的设计与实现学科专业：指导教师：作者姓名：班级学号：计算机应用技术卢国明安源源201121060454 分类号密级UDC注1学位论文基于本体的生物农药信息抽取系统的设计与实现安源源指导教师卢国明副教授成都电子科技大学（姓名、职称、单位名称）申请学位级别硕士学科专业计算机应用技术提交论文日期2014.03.27论文答辩日期2014.5.24学位授予单位和日期电子科技大学2014年6月27日答

2、辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。 DESIGNANDIMPLEMENTATIONOFTHEBIO-PESTICIDEINFORMATIONEXTRACTIONBASEDONONTOLOGYAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerAppliedTechnologyAuthor:AnYuanyuanAdvisor:ProfessorLuGuomingSchool:SchoolofComputerScience&Eng

3、ineering 独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：年月日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关

4、数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：导师签名：日期：年月日 摘要摘要随着互联网的发展，信息的膨胀，海量的信息出现在人们眼前，我们可能只是需要大量信息中的部分信息，怎样才能高效率的从这些海量的非结构化的信息中获得所需要的信息同时对这些信息进行格式化处理，信息抽取技术就应运而生，信息抽取的目是为了处理从非格式化文本中抽取格式化的信息。近些年，本体的概念日渐流行起来。由于本体有很多独有的优点，如可以分享不同人对知识结构的共同的理解，可以增强领域知识的复用等。因此，本文中引入本体的概念来协助信息抽取。借

5、助本体的概念层次化的描述，本文中主要抽取生物农药的命名实例和实例间的相互关系。首先，本文对信息抽取的相关概念、发展应用和信息抽取的衡量标准做出了详细的介绍，同时介绍了本体的相关定义、组成元素和分类，以及本体和信息抽取两者之间的联系，同时介绍了文章涉及的相关技术等。其次，本文根据通用的本体设计流程结合生物农药领域特有的知识，展示了生物农药本体的具体的设计流程、本体的类层次以及生物农药本体的部分OWL文件内容，并且根据相关生物农药数据库对生物农药本体添加了实例。生物农药本体的设计经过不断的修改，最终得到了相关领域专家的认同。本文针对生物农药领域的信息抽取的需求，设计了基于本体

6、的生物农药的信息抽取系统的框架。首先利用URL下载所要抽取的网页，通过对网页的预处理，先把网页处理成DOM树的形式，获得了网页的文本内容，对文本内容进行预处理如分词、标注等，通过解析本体对本体进行持久化的存储和用户字典的生成。同时，本文中提出基于本体的三元组匹配MatchRule算法，设计了分层次的规则库，结合本体和规则库利用MatchRule算法对文本内容进行有效的信息抽取，实现了对生物农药命名实例和实例间关系的抽取。最后，本文对生物农药信息抽取系统做了充分的测试，结果表明基于本体的生物农药信息抽取系统取得了比较好的抽取效果。关键字：信息抽取、生物农药、本体、三元组I

7、ABSTRACTABSTRACTWiththedevelopmentoftheInternetandtheexpansionoftheinformation,vastamountsofinformationappearedinfrontofpeople.Howeverwemayjustneedapartofinformationwhichisaextremelylarge.Howtogettheinformationweneedfromtheseunstructuredandhowtoformatetheinformation