近年来，随着人类基因组计划的实施以及功能基因组和蛋白质组研究的开展，生物信息学成为生物学和信息科学的研究热点。生物医学文献的数量迅速地增长，没有人能够阅读完如此众多的文献资料。因此，人们迫切需要从海量的生物医学文献中发现知识以指引生物学研究方向。以生物医学文献数据为分析对象，通过文献挖掘技术，可以提取和整合散布于文本数据中的知识，从而发现文献中隐含的新知识，为生物医学提供预测和指导作用。本文以Medline数据库中生物医学文本摘要为研究对象，开发并整合多种文献挖掘方法，试图发现蛋白质之间的潜在联系。　　 要从生物医学文献中发现隐藏的知识，首先要做的就是正确识别文献中出现的大量的生物术语，即“生物命名实体识别”。针对生物命名实体的特点，本文提出了一种基于条件随机域的生物命名实体识别方法。该方法首先采用了常规的生物命名实体识别技术，加入单词的构词特性，如数字、字母、前后缀等。然后针对相同的实体在文本中可能不止出现一次，每一次出现在不同位置的同一个实体包含了更多的上下文信息，相邻的单词之间存在依赖关系，以及当前词可能与距离较远的词之间存在依赖关系的问题，加入了单词的距离依赖特性，这大大提高了生物命名实体识别的性能。在JNLPBA测试集上进行了开放测试，识别结果的F值达到71％以上。　　 在进行生物命名实体识别以后，本文采用了两种方法对其中蛋白质的关系进行挖掘。通过共出现频率的统计方法，发现两个蛋白质实体对存在的潜在联系；通过关联规则方法，进行关联分析，发现两个或两个以上蛋白质实体之间可能存在的潜在联系。此外，还讨论了蛋白质关联实体可能表示的生物学意义。　　 构建了一个基于生物医学文献挖掘的蛋白质关系发现平台的原型系统。平台整合了文献挖掘中所需的第三方工具以及自行开发的工具，提供统一的访问接口和数据格式。该平台能够完成生物命名实体识别和蛋白质实体关联挖掘的知识发现任务，并且提供挖掘结果的可视化。