李 欣，李绍稳，许高建，林建彬

(安徽农业大学 信息与计算机学院，安徽 合肥 230036)

0 引 言

中国是世界竹林大国，在竹亚科植物的分类及种质资源保存上已经取得了举世瞩目的成绩。《中国植物志》、《中国竹类植物图志》和各地地方植物志文献的公开出版及《竹类研究会刊》等领域重点期刊集中报道了大量的竹类研究论文和著作，此外竹类植物相关的专业性网站也陆续上线，如中国竹网、中国竹子网等。这些文献及电子资源都极大地丰富了竹类研究领域的信息交流。然而随着数字化技术的发展，如何有效管理这些庞大的文献资源，将竹类种质资源的基础信息完整、准确、高效地保存下来，并实现在专业领域内的共享、交流和利用，成为竹亚科研究领域急需解决的问题。数据库是实现数据存储和共享的有效方式，构建竹类种质资源基础数据库势在必行。

目前竹类研究的文献及电子信息资源大都是没有结构的文本文档、半结构化数据或Web数据，而竹类植物的基础数据库字段设计复杂、属性维度高、数据采集量大，纯手工录入效率低[1]。信息抽取(information extraction)技术致力于从自然语言文本中获取结构化信息，已经成功地应用于情报检索、自动文摘、文本分类等多个领域。

信息抽取是指依据一定的规则实现从文本中抽取特定的内容(如实体、关系和事例等)得到结构化的数据，将抽取结果存储到数据库中或结构化文件中形成一个数据集，为后续的数据挖掘、信息检索和知识发现服务提供数据支撑[2]。……