化学深层网数据自动提取方法研究

化学深层网是本文对深层网(Deep Web)中化学信息的简称，指包含化合物各种性质数据的Web化学数据库的集合，目前的网络化学信息检索工具：搜索引擎和化学专业资源导航都不能有效地检索这些库中的数据。检索化学深层网需解决4个基本问题：数据源发现、检索提交、数据提取、数据集成，其中数据提取最为关键, 尚未见其方法研究的报道。本项目将以深层网中的化学数据库为对象，针对检索远方数据库后返回的结果页面，研究数据深层结构的分析、识别和自动提取数据的方法。将基于数据深层结构框架、Web化学数据库检索模式输出特性表观描述框架及其映射关系进行数据的分析和自动提取，以工具辅助生成数据提取模板。研究结果的应用可望将分布式网络化学数据库集成为一个统一的数据平台，实现一个检索、遍查各库，使获取数据的效率上一个台阶，即从人检索数据库提升为由程序自动处理。促进国内在尊重知识产权的前提下，充分、高效地利用网络化学资源。