通过对生物医学文献的信息抽取,可以提高生物医学领域知识库构建的自动化程度,以进一步支撑计算机在该领域的文献检索、诊断决策、学术查新、预测分析等方面的应用。医学专利作为一种医学科技文献,其内容创新性、时效性强,并且有完善的实验验证,在学术上和商业上均具有很高的利用价值。抗肿瘤药物是近年来备受关注的一个研究热点,该领域专利公开量也较多,但目前针对抗肿瘤药物专利的分析工作主要靠人工完成,代价较高。研究从抗肿瘤药物专利中抽取关键信息的自动化方法具有重要意义。本文以面向中文抗肿瘤药物专利的信息抽取为目标。经过分析,抗肿瘤药物专利中主要包括化合物成分、疾病、药物靶点等实体信息,因此,本文主要研究抗肿瘤药物专利中实体识别的技术方法。本文的主要工作和成果包括:1)针对目前抗肿瘤药物专利实体识别数据集缺乏的问题,构建抗肿瘤药物专利实体识别（ERATDP）数据集。以实际项目及其数据库为基础,通过调研、分析,参照已有的生物医学专利实体识别数据集标注手册,形成实体标注方法,用于指导标注人员的标注工作,构建了一个抗肿瘤药物专利实体识别数据集,以支撑识别模型的训练和检验。2)针对抗肿瘤药物专利中实体类别丰富的特点,研究组合式的实体识别方法。对数据集中实体的特点进行分析后,设计了基于词典、模板、机器学习相结合的方法。同时为降低标注量小对模型造成的影响,设计了适用于实体识别任务的文本增强方法,以进一步提升实体识别效果。3)抗肿瘤药物专利实体识别原型系统的设计与实现。以组合式的实体识别方法为核心,设计并实现了一个面向中文抗肿瘤药物专利的实体识别原型系统。针对本文设计的实体识别方法,在ERATDP数据集上进行了对比实验。结果表明组合式的方案能够有效提升识别模块的整体表现,对于数据集中稀疏的数据,文本增强方案可以有效提升其识别效果。本文工作一方面支撑了实际项目中的应用,另一方面对于领域实体识别的相关工作有参考价值。