本体主要用来描述概念以及概念间关系,并在人工智能、Web语义、电子商务和Web异构信息处理等多个领域得到了很好的应用。但目前的本体基本上都是手工构建,这是一项繁琐而辛苦的工作,因此研究本体的自动生成就十分必要。本文针对医学领域本体手动构建中的一些问题,以电子病历知识为研究的数据源,重点解决医学领域本体自动生成中的三个关键问题——医学领域概念的抽取,医学领域概念间分类关系以及非分类关系的提取问题,研究了面向医学诊疗的本体自动生成系统的理论与技术。论文研究的主要内容如下：首先,研究了医学领域本体概念自动生成的理论与技术。通过中文分词和词性标注的方法对电子病历进行处理,利用两种统计算法和一种基于知识辞典的方法进行医学领域概念的获取,统计算法是基于词向量空间模型的领域概念获取和领域概念相关度及概念一致度算法的结合；基于知识辞典的正向最大化单词合并概念获取算法主要是运用医学领域知识辞典,能够直接进行医学领域概念匹配获取,同时也能够对被拆分的医学领域概念进行正向最大化的合并,从而避免医学领域概念被拆分。其次,研究了医学领域概念间关系获取的理论与技术。通过层次聚类从医学领域概念集合中提取出医学领域概念间的分类关系；利用关联规则的方法从医学领域概念集合中提取概念间的非分类关系,然后根据分类关系和非分类关系生成面向医学诊疗的本体结构；最后,通过医学领域的案例对原型系统进行了实验。输入电子病历进行本体提取和诊疗,并对实验结果进行了分析。通过实验说明了本论文中所用到理论与技术是可行性。本论文主要对医学领域本体自动生成理论与技术进行了深入的研究,构建了面向医学诊疗的本体自动生成系统,本论文的研究具有较好的理论研究价值和实际的应用意义。