生物医学文本中隐含着不断更新的生物医学知识,从这些知识中可以发现基因同疾病之间的关系、基因同蛋白质之间的关系。因此,准确的进行基因名识别是抽取出这些关系的重要前提。融合多个特征来识别基因名的机器学习方法,己成为该研究的公认有效方法,这类方法一般假设采用的特征对于基因名的识别是有效的,而对特征间的关联考虑不足。为解决这个问题,本文主要做了如下工作：使用Global Linear模型作为识别框架,对多种类型的特征进行组合,建立感知机模型来识别基因名,发现了对基因名识别较为有效的特征集合。使用该特征集合进行基因名识别时,以标识特征和多元语法特征为主,词形特征和词法特征为辅。从中选出标识特征和词形特征,建立决策树进行基因名识别。基于同样的数据集,将两种模型得到的结果进行对比,决策树模型的精确率更高。对决策树进行剪枝,比较剪枝前和剪枝后的识别结果,剪枝后的决策树的精确率又有一定的提高。