随着计算机技术及医学技术的进步,当前医学相关的数据正在呈“爆炸”式增长。大量的医学数据以文本的形式被记载在各种医学文献中并存储于数据库,如中医药文献库和MEDLINE数据库。如何整合这些数据资源发现其中隐藏的知识对于解释人体复杂生命现象具有重要意义。命名实体识别(Named Entity Recognition,NER)是文献知识发现最首要的且是最重要的步骤。本文在系统分析和阐述生物医学文献知识发现相关方法后,介绍了命名实体识别的概念、方法及模型,并主要分析了两种判别式模型:条件随机场模型(Conditional Random Field,CRF)和最大熵马尔科夫模型(MaximumEntropy Markov Model,MEMM)。首先,基于目前可以在生物医学命名实体识别研究领域获得的大量标注语料,以CRF为模型的基因实体识别实验取得了令人满意的效果。并通过实验表明CRF相比于MEMM具有更好的性能,从而将CRF作为本文进行中医文献知识发现的基因实体识别模型,为中医整合文本挖掘中分子生物学命名实体的自动识别奠定基础。其次,在中医药学研究领域,几乎无法获得大规模关于实体标注的语料。为此我们提出了Bubble-bootstrapping算法与CRF模型相结合的方法进行中医药文献疾病实体的识别,从而解决了标注语料对统计方法的制约问题。实验证明该方法可行并有效,且避免了基于非统计模型和其他统计模型的疾病实体识别方法的弊端,具有良好的应用前景。