1、隨著互聯(lián)網(wǎng)和生物信息的飛速發(fā)展，即時(shí)發(fā)現(xiàn)新的生物信息數(shù)據(jù)源來(lái)進(jìn)行研究變得非常重要。傳統(tǒng)的基于關(guān)鍵詞的搜索引擎由于忽視了關(guān)鍵詞本身所含的語(yǔ)義信息而得到較低的查全率和查準(zhǔn)率，變得越來(lái)越不適應(yīng)這種需求。此外Web已經(jīng)發(fā)展成為一個(gè)巨大的、分布和共享的信息資源，但目前Web數(shù)據(jù)大多以HTML形式出現(xiàn)，其特點(diǎn)使得應(yīng)用程序無(wú)法直接利用Web上的海量信息。針對(duì)這一問(wèn)題，出現(xiàn)了Web信息抽取技術(shù)。 本文在研究了語(yǔ)義Web和本體Ontology技術(shù)

2、，以及信息檢索和半結(jié)構(gòu)化Web信息抽取技術(shù)總體解決方案的基礎(chǔ)上，著重研究了Web生物信息數(shù)據(jù)源的發(fā)現(xiàn)以及生物信息數(shù)據(jù)抽取的實(shí)現(xiàn)技術(shù)。在Web生物信息數(shù)據(jù)源發(fā)現(xiàn)的實(shí)現(xiàn)部分，提出了基于本體和特征短語(yǔ)的生物信息數(shù)據(jù)源發(fā)現(xiàn)的檢索系統(tǒng)。在Web信息抽取的實(shí)現(xiàn)部分，提出了由本體驅(qū)動(dòng)，并根據(jù)文檔結(jié)構(gòu)和特征匹配來(lái)進(jìn)行信息定位和信息抽取的方法，建立了一個(gè)用戶指導(dǎo)的交互式信息抽取原型系統(tǒng)。該系統(tǒng)首先獲取指定的Web頁(yè)面，并且利用HTMLJTidy將其轉(zhuǎn)換為