随着生物医学领域文献的爆炸性增长,从生物医学文献中自动获取生物医学知识已经成为生物信息学研究的重要领域。由于蛋白质相互作用关系对于生命科学有着特殊的重要意义,因而蛋白质相互作用关系抽取成为当前生物信息学的热点问题。　　 由于生物医学文献的复杂性和多样性,从中抽取蛋白质相互关系是一个相当困难的任务。本文应用机器学习的方法对蛋白质相互作用关系的抽取进行了深入的研究,研究内容主要包括:　　 1.研究基于特征向量的蛋白质关系抽取方法,重点探索了如何从自由文本中提取出各种表面特征和结构化特征,并分析了这些不同的特征对蛋白质关系抽取的贡献；　　 2.提出基于卷积树核函数的蛋白质关系抽取方法,分析了结构化信息的表达形式对蛋白质关系抽取的影响,为进一步的研究奠定良好的基础:　　 3.研究基于复合核函数的蛋白质关系抽取方法,通过线性复合和多项式复合的方式将基于特征向量的方法和基于树核函数的方法有机结合起来,以期有效捕获关系实例的平面特征和结构化特征。　　 在AIMed语料库上的蛋白质关系抽取实验表明,基于特征向量和卷积树核函数的复合核函数方法取得了最高为53.7的F值,达到了目前较好的水平。本文的研究和所取得的成果对今后蛋白质关系的研究具有一定的参考价值。