基于语义的生物学专业搜索引擎设计.pdfVIP

华南理工大学学报(自然科学版) 10umalofsou也ch{nauniversity v01．32 篓警耋增跫 ofTechnology suppl 2004年11月 science (NaturalEdinon) Novcmbcrii04 基于语义的生物学专业搜索引擎设计 王艳宣1 董守斌1 曹以诚2 挂正平2 吴云鹏1 (1．华南理工大学广东省计算机网络重点实验室，广东广州510640 2，华南理工大学生物科学与工程学院，广东广州510640) 摘要：在分析生物学数据的特点、生物学家的检索需求和通用搜索引擎的局限性的基 础上，引入语义树的思想，提出一种以xML作为数据接口的、基于语义的生物学专业搜 索引擎的设计方案，从而为生物学研究工作者提供了一个专业的、个性化的海量信息检索 I具． 关键词：搜索iI擎；语义树；xML；生物学 中图分类号：TP391 文献标识码：A 随着以人类基因组为代表的基因组学研究取得 情报技术支持，使得它在检索技术方面大大落后于 阶段性成果和蛋白质组学研究的广泛深人开展，生 综合搜索引擎，在检全率、反映速度、死连接、高级检 命科学进入后基因组时代．生物科学研究的重点也 索等多个指标上都难以令人满意，与综合引擎有较 由“基本数据的积累”转移到运用已有的生物信息 大差距“。． 学研究经验和基础，从“组学”的“基本数据库”发掘 木棉搜索引擎。31以xML作为数据接口，采用 “二次数据库”，进行生物大分子相互作用的研究． 倒排序式索引结构实现对可扩展标记语言xML 而对因特网上已经积累的海量生物学数据实现高效 (extensibIeMarkupL∞guage)文件的并行化大规模 准确的检索，是后基因组时代进行生命科学研究的 索引和检索功能，在检索速度、匹配度、模糊检索等 一个必要条件．与此同时．ontology在生物信息学领检索技术方面处于先进水平．本文提出的基于语义 域开始受到越来越多的重视，且将它与数据挖掘、术 的生物学专业搜索引擎属于木棉搜索引擎的一个分 ontol- 语的标准化、数据的整合联系起来，Go(Gene 支。着重在“专”字上下功夫，充分发挥专业优势，发 ogy)…逐步发展了一套完善的词汇表，用以整台所展个性化的用户界面和语义树服务，为生物学研究 有基因相关数据．基于GO的语义树能够描述生物 工作人员提供一个优秀的专业搜索引擎 体间的相互关系． 随着网上信息量的不断增加，利用通用搜索引 1 基于语义的生物学专业搜索引擎设 擎查找某一学科专业的信息越来越臣难，返回信息 计方案 过多，与主题相关性不强，甚至返回无用的信息，检 基于语义的生物学专业搜索引擎以xML作为 准率不高．针对这种情况，专门搜索某一学科领域信 数据接口，对因特网上生物学相关的web资源和可 息内容的专业搜索引擎应运而生．多数专业引擎的 网络服务提供商具有较强的学科背景和相对较弱的 Pmt”1等提供集成的信息检索服务，同时针对生物 学数据的特点，对收集到的源数据按照生物学分类 收稿H期：2004一08—31 标