生物医学命名实体识别主要是对生物医学文本进行有效的分析,进而识别出DNA、RNA、蛋白质等命名实体。它是生物医学信息处理的关键环节,是进行蛋白质关系抽取等任务的前提。本文主要工作：(1)目前生物医学命名实体识别主要采用统计机器学习方法,研究主要集中于学习算法上,而对特征选择方面的研究较少。采用的特征大多是专家根据专业的领域知识制定的,并且存在冗余特征,冗余特征会增加计算时间、空间复杂度,影响分类器性能。本文总结了生物医学命名实体识别任务中常用的词汇特征、拼写特征、构成形态特征等特征,利用两种不同特征选择方法对原始特征集进行选择,达到去除冗余特征,提高系统性能的目的。在对特征选择的基础上,利用序列前向选择方法对条件随机场的特征模板进行优化选择,通过优化选择,有效提高了系统的分类性能。(2)目前采用机器学习方法进行实体识别时,大多依靠人工根据领域知识和经验制定特征,并且这些特征缺乏深层次的语义信息。为了探究语义信息对命名实体识别的影响,本文尝试在大规模未标注数据上进行训练,自动获得含有深层语义信息的特征,采用三种词表示方法：词向量、基于词向量的聚类和布朗聚类。然后将这些词表示作为CRF和SVM的特征并组合最优特征子集进行半监督学习,在相同条件下进行对比实验。实验结果表明,词表示方法能有效地学习到潜在的语义信息,从而提高现有基于机器学习系统的性能。在未利用词典等任何外部资源的情况下,公共评测语料BioCreative Ⅱ GM上的实验结果为：精确率、召回率、F值分别达到91.11%、86.05%、88.51%。