基于文檔集的生物信息挖掘模型研究與實現(xiàn).pdf

1、隨著現(xiàn)代科學技術不斷的進步與發(fā)展，互聯(lián)網(wǎng)信息時代的到來，多種多樣的信息資源憑借互聯(lián)網(wǎng)為載體的聚集，成就了一個多元化、大存儲的信息數(shù)據(jù)庫。在海量的信息資源中，怎樣精確、高速地提取研究人員感興趣的信息成為新的科研研究課題。
　　各個專業(yè)領域的研究人員能用總結性、規(guī)范性的科學語言精確的描述出實驗研究的方法及結果，并且借助文本的形式存儲起來，也可借用互聯(lián)網(wǎng)的方式共享出去，所以共享的科學文獻中存在大量的專業(yè)知識。科學文獻中的表述均是通過實踐

2、考證的，高度概括的，與專業(yè)領域內科研專家的表述形式最相近的。在生物信息的范疇內，一些研究專家提出了關于文獻里知識發(fā)現(xiàn)的思想，經(jīng)過文獻中的題目、摘要、關鍵字等專業(yè)詞語，將隱藏在生物文獻里許多鮮為人知的信息挖掘出來。
　　在生物信息文獻中記錄著大量重要的實驗結果，例如，數(shù)量性狀位點(QTL)定位信息通常是在表格中。QTL(quantitative trait locus)的含義是控制數(shù)量性狀的基因在基因組中的位置，它是作物育種研究的重

3、要依據(jù)。可是，隨著生物信息技術突飛猛進的發(fā)展，生物文獻的總數(shù)量增長的越來越快。人工從文獻中獲取所需要的信息已不能適應生物信息文獻數(shù)量迅速生長的需要。文本挖掘技術能自動地從文本中發(fā)現(xiàn)知識，因而，信息提取的方法得到了普遍的運用。然而，大多數(shù)使用文本挖掘技術從文獻里抽取知識均側重于在非結構化文本里抽取。在本文中，提出一個方法用于在文獻中抽取結構化信息，并將復雜、多樣的表格轉化為結構化的數(shù)據(jù)，然后再結合從文本中抽取的信息構建數(shù)據(jù)庫。
　　

4、通過構建《Soybean QTL數(shù)據(jù)挖掘系統(tǒng)》，應用文本挖掘的方法自動從相關文獻中挖掘分析QTL、基因功能等信息。本文使用大豆文獻作為基礎數(shù)據(jù)，全面介紹當前信息抽取現(xiàn)狀以及國內外發(fā)展歷程，在文本預處理、句法分析和訓練樣本基礎上，從提取規(guī)則方式上入手，提出具有特色的文本信息抽取方式，建立基于文檔集的生物信息挖掘模型，為大豆育種和分子生物信息學的科研工作提供了數(shù)據(jù)資源。同時，這個方法可以大大減少數(shù)據(jù)庫構建的勞動負擔。構建Soybean QT