近年来，生物医学文献数量与日俱增，如何能从这些无结构化信息中自动的抽取文本信息，将其组织成为便于分析管理的有结构化信息，成为生物信息学领域的研究热点。信息抽取技术在近年来不断发展，随着基于机器学习的方法逐步取代基于规则的方法成为信息抽取的主流，信息抽取的精度不断提高，研究的前沿也从传统的命名实体识别、实体名标准化、关系抽取，向较高层次的生物医学事件抽取演变。生物医学的事件是发生于分子范畴的，各种生物医学实体之间所发生的关系及变化。生物医学事件抽取相较命名实体识别、关系抽取层次更高，从而系统的处理流程也更长。然而在国内研究领域却鲜有适应了这一研究方向以及方法变化的软件工具。本文介绍了生物医学事件抽取系统的发展现状、处理流程及开发过程，基于具有较高扩展性的脚本语言Ruby和“键-值”结构的非关系数据库Redis，使用支持向量机模型，实现了一套针对生物医学文献事件抽取的解决方案。在事件抽取的流程上，采用比较典型的处理流程，主要进行以下三个步骤：预处理，触发词特征及事件元素特征提取，触发词检测及事件元素检测。其中本文把系统设计开发的重点放在了可用性，尤其是采用本文描述的系统进行实验研究时的效率上。通过使用Ruby的元编程能力和Redis的缓存功能，相比同类的事件抽取系统，本文中的系统在词特征的选取上更加易于扩展，在特征和语料发生部分修改时，通过制定的缓存更新规则，能够针对改变部分进行处理，不必重新进行整个事件抽取流程，可以更快的完成需要频繁调优的事件抽取实验，从而更加适合应用于生物医学事件抽取的研究工作。本文在BioNLP2009语料集上进行事件抽取对比实验，实验结果证明本文描述的系统在取得与对照系统相近效果的情况下，更快的完成了抽取，提高了抽取效率。