[發明專利]一種基于枸杞質量的枸杞全網數據庫構建方法

在審

• 申請號: 201810432237.5
• 申請日: 2018-05-08
• 公開（公告）號: CN108681575A
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 懷化
• 申請（專利權）人: 亳州中藥材商品交易中心有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 安娜

一種基于枸杞質量的枸杞全網數據庫構建方法，獲取數據步驟：根據枸杞的對應信息列表，從網絡中獲取與枸杞對應信息相關的摘要資源；前處理步驟：對所述摘要資源中的每一段信息進行分解以獲取包括摘要內容的數據信息；分類處理步驟：根據枸杞的對應信息列表，對所述摘要內容進行提取和分類；后處理步驟：針對枸杞的對應信息列表每一條信息，構建對應于該信息的相關詞語義庫；庫構建步驟：建立信息數據庫，所述信息數據庫包括所述對應信息列表和對應的文獻摘要。優點在于：基于文本挖掘技術構建信息數據庫，特別地，從枸杞名出發，通過文本挖掘算法挖掘文獻數據庫，從中提取信息，構建成數據全面可靠、可快速更新的數據庫，提供相關詳細信息。

技術領域

本發明涉及一種數據全面可靠、可快速更新的基于枸杞質量的枸杞全網數據庫構建方法。

背景技術

已知信息數據庫種類繁多，一般劃分為一次數據庫和二次數據庫兩類。一次數據庫包括例如基因組數據庫、核酸和蛋白質一級結構序列數據庫、以及生物大分子三維空間結構數據庫。二次數據庫是以一次數據庫和文獻資料為基礎而構建。根據生命科學不同研究領域的實際需要，對基因組圖譜、核酸和蛋白質序列、蛋白質結構以及文獻等數據進行分析、整理、歸納、注釋，構建具有特殊生物學意義和專門用途的二次數據庫，是生物信息數據庫開發的有效途徑。從應用角度來說，與疾病相關的突變具有最重要的研究價值，需要一個來自前沿、信息全面、可快速更新的數據庫。同時，由于突變信息的數據量大，更新速度快，人工收集不僅成本高、速度慢，還存在信息遺漏和可信度低等問題。在這兩方面，上述數據庫的應用仍顯不足。而且，由于部分數據庫存在收費等問題，限制了用戶對最新數據的獲得。

隨著網絡通信技術的飛速發展，網絡中的數據量越來越大，檢索相似信息的難度也越來越大。其中，圖片的相似搜索由于可以實現網絡圖片自動排重、相關圖片推薦等效果而得到廣泛應用，而構建數據庫以實現相似檢索也就越來越必要。目前，圖片相似搜索的方法有tree類相似算法，如R-tree，Kd-tree，SR-tree，是基于空間劃分的算法，檢索的結果雖然精確但是在高維數據集上的時間效率不高。LSH(Location Sensitive Hash，位置敏感哈希函數)算法，由于與一般哈希函數相比具有位置敏感性，對散列前的相似點進行哈希計算，之后產生的散列值在一定程度上也能保持相似，并且具有一定的概率保證。這樣LSH算法能夠在保證一定準確性的前提下，時間和空間復雜度得到降低，并且能夠很好地支持高維數據的檢索，因此LSH算法在含有豐富特征信息的圖片相似性領域中的應用越來越受到重視。

發明內容

本發明的目的在于提供一種數據全面可靠、可快速更新的基于枸杞質量的枸杞全網數據庫構建方法。

為解決上述技術問題，本發明通過下述技術方案得以解決：一種基于枸杞質量的枸杞全網數據庫構建方法，

獲取數據步驟：根據枸杞的對應信息列表，從網絡中獲取與枸杞對應信息相關的摘要資源；

前處理步驟：對所述摘要資源中的每一段信息進行分解以獲取包括摘要內容的數據信息；

分類處理步驟：根據枸杞的對應信息列表，對所述摘要內容進行提取和分類；

后處理步驟：針對枸杞的對應信息列表每一條信息，構建對應于該信息的相關詞語義庫；

庫構建步驟：建立信息數據庫，所述信息數據庫包括所述對應信息列表和對應的文獻摘要。

進一步的，對應信息列表包括：資源類信息、質量類信息、流通類信息、知識類信息。

進一步的，資源類信息包括：產地、品種、規模、產量、生產經營對象、成本。

進一步的，所述質量類信息包括：參照藥典指標，包括等級、規格、檢測指標、查詢信息。