科技文檔中化學(xué)結(jié)構(gòu)的描述與搜索.pdf

1、Internet中存在著大量的化學(xué)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(xué)結(jié)構(gòu)信息采用了系統(tǒng)命名法、線性碼等方法進(jìn)行描述，但是這些化學(xué)結(jié)構(gòu)描述方法本身難以實現(xiàn)化學(xué)結(jié)構(gòu)的檢索，且Google、百度等通用搜索引擎目前只能按文本關(guān)鍵詞進(jìn)行檢索。如要有效地利用Internet中這些化學(xué)資源，必須要建立針對這些資源的化學(xué)結(jié)構(gòu)搜索引擎。
　　 在分析化學(xué)結(jié)構(gòu)不同描述方法的基礎(chǔ)上，為方便化學(xué)

2、結(jié)構(gòu)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(xué)信息的標(biāo)記語言；結(jié)合現(xiàn)代信息檢索技術(shù)和化學(xué)結(jié)構(gòu)檢索的特點，設(shè)計了一個化學(xué)結(jié)構(gòu)搜索引擎（Chem Search），實現(xiàn)了化學(xué)結(jié)構(gòu)的全結(jié)構(gòu)、子結(jié)構(gòu)、結(jié)構(gòu)相似性檢索。為了在檢索時可以快速地查找化學(xué)結(jié)構(gòu)，化學(xué)結(jié)構(gòu)在數(shù)據(jù)庫中的存儲位置采用Hash函數(shù)來定位；網(wǎng)絡(luò)機(jī)器人采用“關(guān)鍵詞匹配算法”來指導(dǎo)其爬行，以減少搜索范圍，提高網(wǎng)

3、頁采集性能；化學(xué)結(jié)構(gòu)相似性檢索采用了改進(jìn)的基于圖特征矩陣索引的檢索算法，進(jìn)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(xué)結(jié)構(gòu)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(xué)結(jié)構(gòu)，并指定檢索類型，得到檢索結(jié)果。
　　 實驗證明Chem Search可以有效地實現(xiàn)對化學(xué)結(jié)構(gòu)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(xué)結(jié)構(gòu)信息，實現(xiàn)對這一部