一种基于模板生成的化学反应抽取器和抽取方法技术

本发明专利技术提出的一种基于模板生成的化学反应抽取方法，包括：对csv文件中的摘要和标题进行合并后切分，获得作为抽取程序输入对象的句子集合；将获取的句子集合队列化，并获得反应模板；将队列化的句子集合和反应模板加载到抽取程序中，抽取程序通过反应模板对句子集合进行抽取，获得每一个句子的化学实体和反应，化学实体包括反应物和反应产物；对抽取的化学实体和反应进行过滤，筛选反应；根据分类器对筛选出的反应进行分类。本发明专利技术通过构建自然语言处理系统从PubMed中自动提取涵盖化学物质的反应。考虑到文献中摘要作为总览全文的浓缩段落,因此本发明专利技术主要是从PubMed摘要中提取单个句子中的反应，此方法也可以处理描述多个反应的句子。

【技术实现步骤摘要】
一种基于模板生成的化学反应抽取器和抽取方法
本专利技术涉及文本处理和生物科学
，尤其涉及一种基于模板生成的化学反应抽取器和抽取方法。
技术介绍
生物合成工作者在开发新的药物或生物燃料等合成领域应用中,需要获取大量的反应路径和新的化合物,而这些内容通常在非结构化的文本中,例如文献摘要,如果依靠传统的人工查找文献,阅读文献的方式很难充分的利用到有价值的信息,生物医学中使用最广泛的资源之一是PubMed数据库。研究人员可以通过使用MeSH术语搜索PubMed进行查询。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种基于模板生成的化学反应抽取器。本专利技术提出的一种基于模板生成的化学反应抽取器，包括：预处理模块，用于获取csv文件，并用于对csv文件的摘要和标题进行合并后切分形成句子，并生成句子集合；数据提取模块，用于根据预设的反应模板对句子集合中的每一个句子进行抽取，获得每一个句子的化学实体和反应，化学实体包括反应物和反应产物；数据过滤模块，用于根据预设的过滤模型，结合化学实体本文档来自技高网...

【技术保护点】
1.一种基于模板生成的化学反应抽取器，其特征在于，包括：/n预处理模块，用于获取csv文件，并用于对csv文件的摘要和标题进行合并后切分形成句子，并生成句子集合；/n数据提取模块，用于根据预设的反应模板对句子集合中的每一个句子进行抽取，获得每一个句子的化学实体和反应，化学实体包括反应物和反应产物；/n数据过滤模块，用于根据预设的过滤模型，结合化学实体和反应对句子进行过滤；/n数据分类模块，用于对过滤后的句子的反应进行分类。/n

【技术特征摘要】
1.一种基于模板生成的化学反应抽取器，其特征在于，包括：
预处理模块，用于获取csv文件，并用于对csv文件的摘要和标题进行合并后切分形成句子，并生成句子集合；
数据提取模块，用于根据预设的反应模板对句子集合中的每一个句子进行抽取，获得每一个句子的化学实体和反应，化学实体包括反应物和反应产物；
数据过滤模块，用于根据预设的过滤模型，结合化学实体和反应对句子进行过滤；
数据分类模块，用于对过滤后的句子的反应进行分类。


2.一种基于模板生成的化学反应抽取方法，其特征在于，包括：
S1、对csv文件中的摘要和标题进行合并后切分，获得作为抽取程序输入对象的句子集合；
S2、将获取的句子集合队列化，并获得反应模板；
S3、将队列化的句子集合和反应模板加载到抽取程序中，抽取程序通过反应模板对句子集合进行抽取，获得每一个句子的化学实体和反应，化学实体包括反应物和反应产物；
S4、对抽取的化学实体和反应进行过滤，筛选反应；
S5、根据分类器对筛选出的反应进行分类。


3.如权利要求2所述的基于模板生成的化学反应抽取方法，其特征在于，步骤S1具体为：首先获取文献摘要作为生语料，对生语料进行过滤，获得仅包含用于描绘文章所述反应的关键信息的文本集合，关键信息包括标题和摘要；然后对文本集合中的摘要和标题进行合并形成语义上的句子整体，再使用句子切分工具对句子整体进行切分，获得单独的句子作为抽取程序输入对象的句子集合。


4.如权利要求3所述的基于模板生成的化学反应抽取方法，其特征在于，步骤S1中，所有的句子合并和句子切分均在多线程并行状态下处理。


5...

【专利技术属性】
技术研发人员：李鑫，张百成，鲍琦，
申请(专利权)人：苏州机数芯微科技有限公司，
类型：发明
国别省市：江苏;32