英文中化学式的识别.pptVIP

英文中化学式的识别 谢 军 2008.07.16 化合物，化学式及其命名 每种化合物单质都对应一个化学名作为其唯一标识 有机化学物的命名规则主要有两种 IUPAC体系，更通用 2-[4-[[5-(Trifluoromethyl)-2-pyridinyl]oxy]phenoxy]-propanoic acid butyl ester（丁基-2-[4-[[5-(三氟甲基)-2-吡啶]氧基]苯氧基]丙酸酯) CA体系，主要用于Chemical Abastract（化学文摘） propanoic acid, 2[4-[[5-(trifluoromethyl) -2-pyridinyl]oxy]phenoxy]-, butyl ester (丙酸， 2-[4-[[5-(三氟甲基)-2-吡啶]氧基] 苯氧基]-，丁酯) 化学式的特点（1） 由基本的化学式组成片段（ 母体和取代基）和表示结构的数字、英文缩写或者希腊字母组成 4-[(2-butyl-4-oxo-1,3-diazaspiro[4.4]non-1-en-3-yl)methyl]biphenyl-2-carbonitrile 其中 biphenyl, carbonitrile ,butyl, aza, nonenyl, methyl,为该化 学式的组成片段 阿拉伯数字表示取代基的位置 di表示数量（tri，mono等） spiro表示结构 化学式的特点（2） 从语言学角度来看，各组成片段为化学领域特有，可以作为化学式的特征,并藉此来识别化学式 化学式识别的基本方法 首先判断句子中是否有化学式，若有则识别化学式两边的边界，然后将句子分隔成三个部分：已经识别出的化学式、其前面的句子片段，其后面的句子片段，在前后两个句子片段中重复，直到识别出句子中所有的化学式；否则，不处理该句子 具体实施技术 二叉树 中间节点存放识别出的最长的化学式片段 叶节点存放非化学式片段 示 例 The present invention relates to a method for producing 3-hydroxypropionaldehyde and a method for producing 1,3-propanediol, 3-hydroxypropionic acid, acrolein, acrylic acid and an acrylic ester produced from 3-hydroxypropionaldehyde produced by the method. 1.整句进入根结点 2.根据化学式片段词典识别最长的化学式（假设发现化学式的位置为第一个acid） 3.对左右子树继续处理（只演示左子树） 4. ……. 输出结果示例 The present invention relates to a method for producing 3-hydroxypropionaldehyde and a method for producing 1,3-propanediol , 3-hydroxypropionic acid , acrolein , acrylic acid and an acrylic ester produced from 3-hydroxypropionaldehyde produced by the method. 目前存在的问题 目前整理出的化学式片段库过大（共计词条6642），需要精简 tin, ether等片段被inhibiting, together等单词包含 * * 流 程 读入句子 创建二叉树节点，并将句子作为节点内容 根据当前位置确定化学式边界 若句子中，化学式前面或后面部分不为空， 则以相应内容创建子节点，并调整当前节点中的内容 有化学式 No Yes 化学式 片段 词典 有化学式 Yes 对左右子树处理 3-hydroxypropionic acid The present …1,3-propanediol, , acrolein… method. The present……the method. 3-hydroxypropionic acid 1,3-propanediol , acrolein… method. The present … producing , 3-hydroxypropionic acid 1,3-propanediol , acrolein… method. 3-hydroxypropionaldehyde , The present … producing and a method for producing