生物医学数据中蕴含着大量的医学知识,文献挖掘能够帮助科研人员迅速、准确地获取隐藏于海量科研文献文本中的相关生物医学知识,从中进行知识发现有着重要的意义和价值。本文首先基于生物实体识别从26744篇文献数据中提取出536个药物名称和24个行为干预措施并构建共现网络挖掘自闭症相关知识,利用三种中心性分析方法发现13种(去除重复)重要干预措施,包括Valproic Acid、Risperidone、γ-aminobutyric acid(GABA)、Oxytocin、Magnesium salt、Haloperidol、Glutamic Acid、L-Tryptophan、Glutathione、Lithium、Folic Acid、L-Tyrosine和Modeling。发现潜在的自闭症干预治疗方案。并以FastUnfolding算法为基础进行自闭症干预社区探测,将560个节点划分为149个社区,并抽取含有3个点以上的共11个社区进行分析。对每个社区中主流研究思路进行剖析,并基于HITS算法的主题相关性计算推荐重要药物。通过上述方法及分析找出两种自闭症治疗的关键药物,谷氨酸(Glutamic Acid)对治疗痴呆症、失智症这类症状有重要作用;L-色氨酸(L-Tryptophan)对治疗运动障碍、抗炎性有重要作用。这两种药物可作为自闭症潜在药物进行深入分析。其次将药物干预映射到自闭症的相关适应证,建立自闭症治疗的研究网络。本文分别从网络拓扑结构、中介中心性和节点频次三个角度对网络进行分析,研究发现自闭症治疗当中的重点症状与科研人员关注的重点症状呈现出不一致。建议研究人员关注谷氨酸在治疗痴呆症状和失智症状中发挥的重要作用,也关注L-色氨酸在治疗运动障碍,抗炎性这类症状中的重要作用,同时建议研究人员加强关注depressive disorder、schizophrenia、bipolar disorders这3个关键症状,提高自闭症治疗效果。