文本挖掘的主要目的是自动地从大量文本中抽取有用的信息。生物医学领域的文本挖掘,可以帮助领域专家快速地从相关领域文献中发现对研究有参考意义的信息,此外,还可以减少数据库专家在数据库维护方面所需要的人力和物力。蛋白质-蛋白质之间的交互作用抽取这一课题的相关文献越来越多。这些相关文章的研究都只是针对文献的摘要部分,考虑的只是研究者在摘要中所提到的交互关系,并没有从整篇文章中系统地考虑所有交互关系,并且,全文蛋白质交互关系的评价数据集也相对缺乏。本文使用BioCreative Ⅱ.5中所提供的训练集和FEBS Letters提供的部分文献作为评价集,在摘要关系抽取的基础上,加入全文特有的属性,并通过特征选择进行关系抽取。首先,在对摘要中的蛋白质交互关系抽取的基础上,提出将基本词特征、句法模式特征进行组合。其中,基本词特征中引入篇章位置信息Part、频度特征Coo这两个全文特有的属性；句法模式中,从语句描述的角度总结了关系的模式,并且将其作为一个特征,从而对全文进行关系抽取,取得了72.57%的F-score,AUC达到了77.90%。其次,不同的特征对抽取性能所起的所用也不一致,这些特征进行不同的结合时,正向作用和逆向作用所占的比重也不一致,甚至相互抵消。因此,本文通过特征选择的方式,对基本词特征和句法模式特征进行选择。特征选择的主要目的是提高分类的性能或者利用最少的特征维数取得较好的性能。最终,将特征选择获得的子集特征与树核进行结合,进行基于篇章的蛋白质交互关系抽取。句法树是在现有的动态扩展树(DET)的基础上进行二次扩展,形成二级DET。最终,F-score和AUC分别达到了74.46%、78.50%。