医学文献中蕴含着大量医学知识,从中进行知识发现有着重要的意义和价值。在医学文献知识发现过程中,一方面由于特征库更新频率等原因,无法跟上生物医学发展的节奏,造成较新的生物医学文献特征词无法提取,另一方面由于生物医学实体本身有其特殊的语义关系,需要根据外部的知识库进行匹配来挖掘文献之间的关系。本文分析了传统知识发现模型在医学领域应用的不足,结合关联数据进行医学文献知识发现模型的研究以及实现了基于该模型的知识发现系统。本文提出了基于关联数据的医学文献知识发现模型(MLBDM),该模型基于关联数据构建了关联数据医学实体库,对医学文献使用基于统计和词典相结合的方法来完成医学文献中的命名实体识别,并与关联数据医学实体库中的实体进行对应。在匹配出起始文献集合中实体的语义关系后,构建医学实体关系图,通过图排序算法选择权重最高的实体,将这些实体的特征词作为中间主题词进行相关文献的检索,在获取到中间文献集合后,重复在起始文献集合中提取医学实体的步骤,根据图排序算法,选择权重最高的实体,将其描述为发现的知识。本文基于MLBDM设计和实现了医学文献知识发现系统,首先构建以DBpedia和SNOMED CT作为数据源的关联数据实体库,使用基于条件随机场和TRIE树相结合的命名实体识别方法,并选择PageRank作为图排序算法对实体进行选择过滤。系统根据用户输入的主题词在PubMed文献数据库上获取起始医学文献集合,并将其作为模型输入进行知识发现。本文通过实验复现了鱼油对雷诺氏病有益的结论,证明了模型的有效性和系统的可用性。