生物医学文献挖掘系统是从事生物医学领域研究必不可少的工具,命名实体识别是面向生物医学文献的文本挖掘技术中至关重要的一环。目前基于机器学习的方法是实体识别研究的热点,此类方法主要针对是的诸如基因、蛋白质、疾病等拥有大样本的实体集和训练语料集的领域实体的识别任务。随着知识图谱等形式化知识库在各领域智能应用中的不断深入和具体化,针对细分领域的实体识别即窄域实体识别的重要性日趋显著。由于诸如抑郁症药物实体、认知功能实体等窄域实体具有实体规模受限,语料样本相对缺乏等特点,因而,在针对窄域实体的识别任务中,无论是基于浅层模型的传统机器学习实体识别方法还是基于深度学习、外部知识源的无监督实体识别方法都难以发挥其自身优势而取得令人满意的实体识别效果。本文在此背景下展开研究,取得了以下研究成果:1.提出了一种基于LDA(Latent Dirichlet Allocation)的短文本相似度计算方法以将候选实体的上下文信息运用于无监督窄域实体识别中。该算法中引入了基于LDA主题模型的特征词筛选机制,充分利用LDA所得到的短文本的主题信息,从短文本中提取特征词以减少对短文本语义表达无关的词的干扰;同时,又设计了基于PSO(Particle Swarm Optimization)的特征词语义权重学习机制,充分利用PSO算法高效的参数寻优能力以及鲁棒性好、搜索速度快的特性,以实现基于语义贡献度的特征词权重设定,进而构建了新的的短文本表示模型即“Word Embedding+LDA+PSO”,解决了现有的短文本表示模型语义表征能力不足的问题。2.提出了一种基于短文本语义距离度量的命名实体特征提取方法以提取候选实体的领域特征用于窄域实体识别中。该算法充分利用候选实体的语言学特征和统计学特征,通过候选实体的上下文信息在语料库中的复现次数来表征候选实体本身在语料库中的分布情况即计算候选实体的上下文与语料库中的各上下文的语义距离并据此确定其在语料库中的出现频数,与传统的基于统计的特征提取方法相比,该算法融入了候选实体的语义信息,因此,获取的候选实体的特征更稳定且表征能力更强。3.提出了一种融合上下文信息和领域相关度的无监督窄域实体识别方法。运用上述的短文本相似度计算方法和命名实体特征提取方法,设计了新的术语-语料库假设,通过对数似然比衡量假设发生的可能性以度量候选实体在语料库中的差异性,并基于候选实体的中心词在语料库中的相对领域占比,构建了领域依存度函数以度量候选实体在语料库中的倾向性,进而整合对数似然比和领域依存度函数构建领域相关度函数以实现窄域实体识别。