竹种是一种重要且具有经济效益的森林资源,能够快速获取大量的竹种数据信息以及准确地提取所需信息是充分发挥其实用价值的前提。然而在目前的竹种资源数据获取途径中,多数采用人工收集并且逐步摘选的方法,工作量大导致花费大量的人力物力。因此,如何快速且准确地从大量竹种资源数据信息中提取所需数据内容是急需解决的问题。本文以竹种种质资源数据信息提取为研究对象,重点解决三个问题——竹种种质资源本体的构建问题,基于本体的竹类术语自动识别问题以及基于Web端实现竹种资源数据自适应提取问题,提出构建竹种种质资源本体,在该竹种本体的信息指导下,并引入词向量特征,选用条件随机场机器学习算法进行训练识别,能够有效地从大量数据中快速且准确地识别出所需的竹种术语,为系统中自动化提取竹种术语信息提供了基础。论文的主要研究工作如下:(1)研究了基于OWL(Ontology Web Language,网络本体语言)的竹类种质资源本体构建方法。利用《中国植物志》网站上有关竹种种质资源数据的信息,以及参考竹类种质资源数据管理平台中竹种数据表的设置,本文采用人工构建的方式,采取自顶向下的技术路线,依据Gruber在1995年提出的五条规则,结合七步法和骨架法,人工构建竹种领域本体。并用OWL来描述竹种领域本体,在Protégé软件中开发并且可视化地表示。(2)研究了基于本体的竹类领域术语识别方法。首先以从《中国植物志》网站爬取的竹种信息为数据研究对象,在选择词语本身、词性以及指示词作为基础特征集合之外,引入竹种本体领域词典来指导信息识别过程,并加入词向量特征以提高识别效果,采用BIO(B-begin,I-inside,O-outside,三位标注法)作为边界标识,共同构建成条件随机场模型的输入特征集合。通过模型识别结果表明,本研究方法相较于普通特征集合下的模型识别性能更佳,为后续快速且准确地提取竹种数据信息提供了基础。(3)研发了基于Web端的竹类种质资源信息提取系统。在Web端上通过Java语言编程,并采用Java常用且流行的框架springboot以及前端框架layui来设计开发竹类种质资源信息提取系统。系统主要包括数据处理、模型识别、数据抽取、用户检索以及用户管理等五个功能模块,实现了在系统中自动识别并抽取竹类数据的目的,使得用户可以快速地提取和查询竹类相关信息。本文的研究内容为从大量竹类种质资源数据中快速提取信息和构建竹类资源的数据库提供了技术支持,对竹类数据信息的自动识别和抽取具有较强的实际意义。