文本挖掘技术在生命科学文献数据库的应用初探.ppt

文本挖掘技术在生命科学文献数据库的应用初探,夏 芸 中国生命科学文献数据库 中科院上海生命科学信息中心 2006.9. 青岛,中国生命科学文献数据库与欧洲生物信息研究所 数据合作,目 录,中国生命科学文献数据库,1,欧洲生物信息研究所,2,合作概览,3,文本挖掘技术的应用,4,中国生命科学文献数据库(CBA),原名“中国生物学文摘数据库”，是综合性的生命科学专业文献数据库 CBA收录1985年以来的800余种国内生命科学及相关学科的科技期刊文献，以及学位论文、会议论文、专利、专著等文献 目前累积数据量达40万条，年更新数据量5万余条,CBA,专业：覆盖了生命科学、药学、基础医学、基础农学及生物交叉科学等专业领域 新进展：重大疾病专题文献知识服务系统 心血管疾病专题文献数据库 肝癌专题文献数据库 糖尿病专题文献数据库,CBA数据库,检索界面,重大疾病专题文献知识服务系统,欧洲生物信息研究所,1994年建立于英国剑桥 欧洲分子生物学实验室（European Molecular Biology Laboratory，EMBL）的组成部分 EMBL数据库的管理和维护 欧洲分子生物学网EMBnet (European Molecular Biology Network) 的一个特别节点 生物信息学研究工作，也是生物信息学的服务中心,EBI,EBI数据库类型,文献数据库（Literature Databases） 微阵列数据库（Microarray Databases） 核酸数据库（Nucleotide Databases） 蛋白数据库（Protein Databases） 蛋白质组数据库（Proteomic Databases） 结构数据库（Structure Databases）,Citation Database System, CitExplore,CDB功能文献服务,跨库检索功能 控制词表辅助检索：刊名、化学物质名、物种名称 全文开放链接：DOI,CDB功能文本挖掘,Swissprot Gene Ontology Drugs Organisms Genes Protein interaction Enzyme kinetics Chemicals Mouse phentotype,Gene ontology,Ontology与知识管理 Ontology与主题词表 文本挖掘工具 1.8万词条 开放资源,CitExplore构成,Medline,中国生命科学文献数据库,Patents abstracts (EPO),CitExplore,CiteSeer,CBA on CitExplore,合作概览目标,将CBA建成为中国国内生命科学/医学文献资源中心 建立国际生命科学数据资源与国际资源间的桥梁 EBI为中国研究成果提供一个面向国际科学社团的窗口 对CBA进行数据库开发提供技术支持 EBI由此丰富了自己的CDB数据资源,合作概览进展,2004.05：EBI有关人员访问信息中心 2005.05：达成CBA合作的意向 2005.06：传送样本测试数据 2005.11：双方签订合作协议书与备忘录,合作前景,文本挖掘技术应用,文本挖掘技术 文本挖掘是从文本集中发现和挖掘归纳性的知识，如有用的模式、模型、趋势、规则等知识 文本挖掘技术是人工智能、机器学习、自然语言处理、数据挖掘及相关自动文本处理如信息抽取、信息检索、文本分类等理论和技术相结合的产物，,国内学科数据库文本挖掘技术应用现状,基于文本挖掘的中医学文献主题自动标引 中医药文献科学推理知识发现 浙江大学计算机科学与技术学院; 中国中医研究院中医药信息研究所,EBI文本挖掘工具,Swissprot Gene Ontology Drugs Organisms Genes Protein in