实验报告 生物医学数据集成检索系统实验.docxVIP

生物医学数据集成检索系统实验 实验摘要 4.1 前言 4.2 技术架构 技术架构如图所示： 从整体系统大致可以分为四个层，它们分别是：基础层、数据层、应用层和接口层。系统主要接受和处理来自Oracle数据库、MYSQL数据库数据和文本文件数据，经过处理和归一后存入全文资源库。提供基因、蛋白质、疾病、药物、化合物和文献的检索与浏览功能。 4.4 检索与存储设计 知识抽取的结果是知识库的构建。通常是根据所定义的Ontology框架，从一系列文献中抽取出来的相应的实体，并且将这些文献和抽取出来的实体组织到知识库之中，实现本体的填充（Ontology Population）。所建设的知识库是进一步实现数据挖掘、知识发现的基础。 科研对象和关系的本体库构建基本上可以分为三个部分，即：本体存储、科研对象实例存储以及关系实例存储。我们设计了科研对象和关系实例存储数据库，并在mysql数据库中加以实现。 4.4.1 全文检索 系统采用SIREn作为检索引擎，此检索引擎支持NTriple方法的索引方式，可为系统提供基于RDF的三元组的复杂检索。 SIREn基于关键字的多种组合检索，同时支持关键词之间的逻辑关系和条件之间的逻辑关系检索。 SIREn是在Solr中扩展了一些接口来实现以上基于Ntriple的检索方式。Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。同时对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面。 在这里我们同时也采用Solr对关键字段进行索引，该索引为检索系统提供分面、排序等更多的功能支持。 把系统需要检索的数据存储到全文检索系统中，下面是部分字段的存储配置。其中定义了字段名称、字段类型、字段的多值的约束。“string”类型主要存储基因ID等信息；“text”类型用于存储需要全文检索的类型，如基因名称等。 … … field name=id type=string indexed=true stored=true required=true/ field name=url type=string indexed=true stored=true required=true multiValued=false/ field name=proteinID type=string indexed=true stored=true required=false multiValued=false/ field name=proteinName type=text indexed=true stored=true required=false multiValued=true/ field name=geneName type=text indexed=true stored=true required=false multiValued=true/ field name=sequenceLength type=text indexed=true stored=true required=false multiValued=true/ field name=proteinLayer type=text indexed=true stored=true required=false multiValued=true/ field name=subcellularLocalization type=text indexed=true stored=true required=false multiValued=true/ field name=tissueSpecificity type=text indexed=true stored=true required=false multiValued=true/ field name=sequenceSimilarity type=text indexed=true stored=true required=false multiValued=true/ field name=sequenceCaution type=text indexed=true stored=true required=false multiValued=true/ field name=altName type=text indexed=true stored=true required=false multiValued=true/ field name=shortName type=text indexed=true stored=true required=false multiVa