随着技术的不断发展,科技在不断改变人们的生活方式,尤其是在医疗领域,人工智能技术的加入,提高了医生工作效率的同时,还可以时刻监测患者的健康信息,智慧医疗逐渐走进我们生活的方方面面。在这些技术的背后,离不开相关数据的支持,而文本数据是医学领域最常见的表现形式,对医疗文本的知识抽取以及数据的规范化是技术发展的基础,同时对推动医疗健康的发展具有重要意义。本课题主要研究面向医疗文本的嵌套实体抽取和实体标准化技术。嵌套实体抽取是命名实体识别任务的拓展,不仅可以抽取文本中平面结构的实体,还对医学文本中嵌套式命名实体进行识别,是知识抽取的基础任务之一。本文提出一种基于边界生成的嵌套命名实体识别模型,以BERT编码器产生的词级向量表示为基础,结合字符特征、词性特征以及静态词向量信息构建文本的向量表示,采用多头标注策略构建边界信息矩阵,并引入跨度注意力交互机制提高实体类型的鉴别能力,在公开的嵌套数据集GENIA中,实体识别的F1值达到80.64%,模型性能在对比模型中达到最优。知识经过抽取后形成结构化的文本,但文本中不规范的知识表达直接影响后续任务的研究,实体标准化技术就是将结构化文本中不规范的术语表达进行规范化,方便后续数据的使用和统计。本文采用候选集召回和实体链接两步对实体原词进行标准化,结合中文数据集的特点,使用多路召回策略对输入的实体原词进行召回,候选实体集数量为100时,召回率达到97.88%,利用多任务的实体链接模型解决实体原词的多蕴含问题,实体链接的F1值达到77.78%,模型性能超越其他对比模型。