近年来,随着生物医学技术的快速发展,蛋白质实体识别和蛋白质关系抽取已经成为生物医学领域的重要课题,生物信息抽取的相关文献呈现爆炸式增长。对于研究者来说,很难快速从海量文献中获取这些蛋白质相关信息。生物医学领域蛋白质本体自动化构建的目的是从文献中识别蛋白质实体、以及挖掘蛋白质之间的交互关系,帮助相关研究者提高蛋白质研究的效率。本文主要研究生物医学领域本体的自动构建方法,具体包括生物医学领域蛋白质实体识别和蛋白质关系抽取两部分内容。蛋白质实体识别是指从自由文本中识别出蛋白质,蛋白质关系抽取是指挖掘蛋白质之间的相互作用关系。针对蛋白质实体识别任务,本文在丰富的基本特征集基础上,提出了词组模型特征和元音缺失特征,设计和实现了基于朴素贝叶斯分类器的蛋白质实体识别研究方法。针对蛋白质关系抽取任务,本文在实现词特征、词性特征、逻辑特征的基础上,提出了语义角色特征和句法分析特征,设计和实现了基于支持向量机的多特征融合的蛋白质关系抽取研究方法。针对蛋白质实体识别的研究,在GENIACorpus数据集上的实验结果表明,在常用特征集的基础上增加词组模型特征集,可以有效提高蛋白质实体识别的准确率。针对蛋白质关系抽取的研究,在IEPACorpus数据集上的实验结果表明,在词特征、词性特征和逻辑特征的基础上,增加语义角色模型特征和句法分析模型特征后,基于这五种特征融合的蛋白质关系抽取提取性能优于单独每种特征的识别性能,也优于基于词特征和词性特征与其他三种特征的任何组合所构成的特征集的识别性能。本文所提出的生物医学领域本体构建方法和所构建的本体有助于蛋白质的深入研究,提高研究的效率,蛋白质本体在生命科学研究、医药、农业等领域具有广阔的应用前景。