生命科学的迅猛发展导致了生物医学文献的指数级增长,随着信息抽取技术日益成熟,对生物医学文献信息抽取技术的研究越来越具有现实意义,而生物实体关系抽取正是其中最重要的一环。生物实体关系抽取技术不仅本身具有重要的应用价值,而且是生物实体关系数据库自动更新的有效手段,是构建生物实体知识网络的必要前提,同时对生物实体关系预测和新药研制也具有不可替代的作用。生物实体关系抽取已经成为当前的一个研究热点,但是关系抽取的效果还有待改善,并且对于关系的方向、类型等重要的信息还缺少关注。本文主要沿着两条思路开展研究:蛋白质相互作用关系抽取效果的改进和相互作用关系信息的丰富。针对生物文献的特点,我们开发出了新的特征集合,实验证明这些特征有效地改善了蛋白质相互作用关系抽取效果。另一方面,我们定义了关系的方向并成功地抽取相关信息,而这些信息是前人的工作中很少涉及的。在抽取蛋白质相互作用关系时,将关系抽取转化为分类问题,使用基于SVM的方法进行处理,研究重点在于特征的设计。我们在词特征集、词性特征集等传统特征集的基础上,根据生物医学文献的特点开发出了逻辑特征集和句法特征集。在LLL05语料上的实验结果显示,抽取的F值达到了80%左右,并且新开发的特征集对实验结果具有较大的改善作用:依存句法特征集对准确率和召回率都有很大的提高,即使单独使用时都具有很好的效果;而逻辑特征集虽然很简单,但是可以较大幅度地提高召回率。本文在蛋白质相互作用关系抽取的基础上进一步研究了如何判断关系的方向,因为方向信息是构建完整的生物实体知识网络不可或缺的内容。这一步仍然将方向判断转化为分类问题,在基本特征集的基础上,本文根据生物医学文献描述蛋白质相互作用的文本的语言特点,开发出了上下文特征集、子树特征集和从句特征集等,是分别针对两个蛋白质依赖于同一个交互词和两个蛋白质依赖于不同交互词两种情况设计的。这些特征集在LLL05语料上进行了实验评估,以分析不同特征集的作用,结果表明本文开发的特征集具有很好的效果。下一步的工作包括:验证基于SVM方法抽取生物实体交互关系的可扩展性;进一步改善关系抽取效果;构建可视化生物实体知识网络等。