[发明专利]从研究文献中提取天然产物数据信息的方法及系统

权利要求书

1.一种从研究文献中提取天然产物数据信息的方法，包括：

预先建立模式匹配代码集，所述模式匹配代码集至少包括生物物种描述代码集和化学成分描述代码集；

对研究文献文本内容进行预处理，以得到多个预处理语句；

从所述多个预处理语句中获取与所述生物物种描述代码集相匹配的语句，确定为生物物种描述语句、从所述多个预处理语句中获取与所述化学成分描述代码集相匹配的语句，确定为化学成分描述语句；

生成对应于所述生物物种描述语句的第一语句解析模式数据、生成对应于所述化学成分描述语句的第二语句解析模式数据，其中，所述第一语句解析模式数据和第二语句解析模式数据分别包括：定位标记、定位符、多重标记、分隔符；根据所述第一语句解析模式数据，从所述生物物种描述语句中获取生物物种信息；

根据所述第二语句解析模式数据，从所述化学成分描述语句中获取化学物质信息；

获取所述研究文献的著录项目信息，关联存储所述著录项目信息、所述生物物种信息和所述化学物质信息。

2.根据权利要求1所述的方法，其中，所述生物物种信息包括生物物种学名、生物名称和取用部位信息；所述化学物质信息包括化学物质名称和化学物质编号。

3.根据权利要求2所述的方法，其中，所述从所述生物物种描述语句中获取生物物种信息包括：

根据所述第一语句解析模式数据中的定位标记和定位符，截取当前预处理语句的描述部分；

根据所述第一语句解析模式数据中的多重标记和分隔符对所述当前预处理语句进行分割；

使用噪声词表截去所述当前预处理语句中的噪声词；

使用模式匹配提取所述当前预处理语句中的生物物种学名；

对所述当前预处理语句的剩余部分进行分词，提取其中的生物名称和取用部位信息。

4.根据权利要求2所述的方法，其中，所述从所述化学成分描述语句中获取化学物质信息包括：

根据所述第二语句解析模式数据中的定位标记和定位符，截取当前预处理语句的描述部分；

根据所述第二语句解析模式数据中的多重标记和分隔符对所述当前预处理语句进行分割；

使用噪声词表截去所述当前预处理语句中的噪声词；

使用模式匹配提取所述当前预处理语句中的化学物质名称和物质编号。

5.一种从研究文献中提取天然产物数据信息的系统，包括：

预处理程序模块，用于对研究文献文本内容进行预处理，以得到多个预处理语句；

描述语句获取程序模块，用于从所述多个预处理语句中获取与生物物种描述代码集相匹配的语句，确定为生物物种描述语句、从所述多个预处理语句中获取与化学成分描述代码集相匹配的语句，确定为化学成分描述语句，其中，所述系统预先建立有模式匹配代码集，所述模式匹配代码集至少包括所述生物物种描述代码集和所述化学成分描述代码集；

生物物种信息获取程序模块，用于根据对应于所述生物物种描述语句的第一语句解析模式数据，从所述生物物种描述语句中获取生物物种信息，其中，所述第一语句解析模式数据包括：定位标记、定位符、多重标记、分隔符；

化学物质信息获取程序模块，用于根据对应于所述化学成分描述语句的第二语句解析模式数据，从所述化学成分描述语句中获取化学物质信息，其中，所述第二语句解析模式数据包括：定位标记、定位符、多重标记、分隔符；

关联程序模块，用于获取所述研究文献的著录项目信息，关联存储所述著录项目信息、所述生物物种信息和所述化学物质信息。

6.一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任意一项所述方法的步骤。

7.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4中任意一项所述方法的步骤。