，，

随着生物医学科学的飞速发展，生物医学领域的实验数据和文献数量急剧增加。常用的检索方式通常会消耗大量时间，并且需要对检索词进行仔细筛选及恰当组合。文本挖掘是通过计算机发现以前未知的新信息，即在现有文献资源中自动提取相关信息，并揭示另外隐含的意义[1]。利用文本挖掘能够有效地从生物医学数据库中提取相关知识进行研究进而提出新的实验假设，得到新的科学结论，因此文本挖掘在生物科学领域具有很大的应用价值。以检索词“text mining”在 PubMed检索(2015年 6月 9日)相关文献，结果显示文献累积数量随着年代的分布呈现典型的指数分布，说明文本挖掘在生物医学领域中正处在飞速发展中，是当前的研究热点。

基于以上原因，我们运用共词分析的方法，对 2000年1月至 2015年 3月MEDLINE数据库收录的有关文本挖掘在生物医学领域应用的论文中的高频主题词进行了共现聚类分析，总结出当前国际上文本挖掘在生物医学领域应用的研究热点，并对其进行分析。

1 资料与方法

数据样本为 MEDLINE数据库收录的生物医学领域文本挖掘研究文献。MEDLINE是国际上生物医学领域的权威数据库，迄今收录文献达2 400万篇，通过该数据库可以检测到含有确切关键词的文献[2]。采用检索策略为：“text mining”[tiab] AND ((“2000/01/01”[PDAT] :“2015/03/31”[PDAT]) AND medline[sb])，共得到 879篇相关文献记录。

以 xml格式将全部相关文献记录套录下来，运用文献计量学统计分析软件BICOMB[3]抽取和统计以上文献中的主要主题词及副主题词及每个词在以上全部文献中的出现频次，按照它们的出现频次由高到低进行排序，选取其中出现频次高于13次的 40个主题词/副主题词作为高频主题词(表1)。……