目前,医学数据正在急剧增长,来自区域医疗诸多医院的病历文本数据、医学检验数据和影像数据迅速汇聚,为疾病的筛查、诊断和治疗带来曙光。医学文本数据尤其是电子病历数据,记录了患者详细的病情和治疗过程,所含信息丰富,因此,开展医学文本挖掘中关键技术的研究,提取与某疾病相关的特征并构建相应的知识图谱,可更加科学、客观地预防、筛查疾病并给出合理的治疗方案,最终为广大患者提供更好的医疗服务,具有很好的理论和实际意义。为此,本论文基于电子病历文本数据,应用自然语言处理、机器学习、数据挖掘等技术,开展医学文本预处理、知识挖掘与知识图谱构建等工作。本文的主要工作和创新性可以归纳为以下几个方面:（1）针对医学临床术语的识别,本文提出了一种基于自定义词典及随机结合方法的临床术语抽取算法,以提高临床术语识别的精度。医学临床术语的识别同新闻领域的实体分词相比,具有两个特点,一是新闻领域的实体一般是专有名词,其前面很少有限定词,基于一般的分词工具可以较好的将其识别出来;二是医学实体经常是普通名词,其前面可以出现很多限定词。即使是相同的某个词,或者是相同的某个短语,在表示医学实体时都可能表达不同的含义,甚至还需要根据该词或者短语的上下文语境来理解其具体的意思。因此,医学领域的临床术语识别更具挑战性。针对此难题,本文首先利用中国生物医学文献数据库（Sino Med）中相关的文献获取自定义词典;然后结合Jieba分词工具进行分词;最后将分词完成后的词语分别与相邻词的左右结合进一步判断新的术语。该方法通过关联临近词语的上下文信息,丰富了对临床术语的描述,在临床术语抽取方面表现出了较好的效果。（2）针对医学文本的预处理,本文研究了三种预处理方法分别对应三种常见的预处理应用场景,以提高文本数据集的质量。针对样本非均衡的情形,本文提出了一种基于改进Smote算法的不平衡数据集处理方法,对产生新样本的过程及样本距离度量方式加以了改进,并基于两种不同的实验数据集,验证了本文改进方法的有效性。针对样本的结构化处理,基于某著名三甲医院数据集进行实验,研究了样本结构化的主要步骤。针对样本的缺失值处理,主要研究了多重差补方法及其实际效果。虽然插补后的“完整”数据集与真实值之间会有一定的误差,但是相比于原始缺失数据,其误差已有了较大提高。（3）针对电子病历的关联规则挖掘和治疗方案挖掘,本文分别提出了一种改进的CPAR算法,以及一种基于潜在语义分析的挖掘算法。关联规则挖掘方面,改进的CPAR算法在产生关联规则时引入增比率（Enhancement Ratio）,使得规则的获取不仅仅只考虑本类的支持度,还会考虑到其补类的支持度。若出现正元组的比例较大时,有利于得到有关负元组的分类关联规则。治疗方案挖掘方面,本文提出了一种基于潜在语义分析技术挖掘胃病临床术语和治疗方案的语义关系。首先构建临床术语-治疗方案的共现矩阵,然后构造潜在语义空间,最后得到临床特征组合与各治疗方案的相关度,如胃病临床特征与手术治疗相关度、手术化疗相关度、对症治疗相关度等。除此之外,对挖掘的关联规则、临床特征等,分别针对不同的治疗方案进行了可视化展现,便于医学工作者查找和快速了解相关病症。（4）针对医学知识图谱的构建和智能问答,本文提出了一种基于多元实体关系的疾病知识图谱构建方法,并基于该图谱实现疾病的简易智能问答。以胃病这一疾病为例,首先基于多元实体关系构建胃病实体与对症治疗、化疗治疗、手术治疗之间的相关性,并基于不同治疗方法的特征来描述实体和治疗方案之间的关系,并形成胃病知识图谱。然后,基于该图谱实现智能问答。智能问答采用好大夫网站的胃病提问数据来模拟患者的提问数据。首先,对患者的提问数据经过一系列处理找出其中的病症信息;然后,计算该病症信息与胃病知识图谱中的病症信息的相似度;接下来,根据胃病知识图谱得出可能的疾病类型,并最终给出治疗建议。为了验证上述算法的有效性,本文分别以乳腺癌、胃病、青光眼三种疾病为研究对象,将上述算法分别应用到SEER数据集、青光眼数据集、胃病数据集以及好大夫网站医疗服务数据和医疗专科知识的深度挖掘。大量实践结果表明,以上算法具有较强的可操作性,对医疗知识的特征挖掘具有良好的效果。同时,项目研究的理论和方法也可扩展到其它疾病,具有一定的可扩展性,并期望进一步应用于临床辅助决策。