隗 昊，周 爱，张益嘉，陈 飞，屈 雯，鲁明羽

大连海事大学 信息科学技术学院，辽宁 大连116026

随着生物医学和互联网技术的发展，近年来，生物医学领域相关资料、文献、数据等数字化文本信息呈现出指数级增长趋势[1]。海量的生物医学文献中蕴含着丰富的、前沿的生物医学知识，是相关从业人员重要的知识来源，要从中迅速准确地获取真正需要的特定知识，必须借助于智能化的文本挖掘等有效技术手段和工具来应对信息爆炸时代的挑战。作为文本挖掘的关键基础和重要内容，信息抽取的相关任务日渐成为人们关注的热点。

信息抽取[2]（Information Extraction，IE）肇始于20世纪60年代中期，是指从非结构化或半结构化文本中提取关键信息并整合为结构化信息的一项综合技术，目前已被广泛应用于信息检索、问答系统、舆情分析等多个重要任务。其中，命名实体识别（Named Entity Recognition，NER）和关系抽取（Relation Extraction，RE）作为信息抽取的核心任务和基础工作，也顺理成章地成为研究重点之一。在生物医学领域，信息抽取工作包括从医学文献中识别疾病名、药品名、化合物名等实体，并抽取实体间的交互作用关系等（如图1所示），这对于生物医学数据挖掘和知识发现研究的展开有着非常重要的意义和应用价值。例如，识别并抽取蛋白质之间的相互作用关系可以构建蛋白质复杂网络，以此进行复合物发现工作；提取药物和药物以及药物和疾病之间的相互作用关系可以开发“药物-疾病”知识图谱，并由此进行“老药新用”研究；……