迈入精准医学时代,医学技术与人工智能技术深度融合带来飞速增长的形式化领域知识需求。精神疾病文本挖掘作为精神医学领域知识获取的一种重要手段,正得到越来越多地关注。区别于以基因、蛋白和药物等实体及其关系识别为核心的分子生物学文本挖掘,精神疾病文本挖掘面临经典公开数据集缺乏、语言表达多样性、术语变化较快;实体间远距离特征多、跨句关系频繁出现等困难,是一项富有挑战性的工作。然而,现有精神疾病文本挖掘在数据源上主要采用电子病历和社交媒体数据,在挖掘任务上以基于文本分类的疾病预测和预警为核心,未能充分发挥科技文献这一高可靠性且飞速增长海量知识源的价值。为了解决这一问题,本文以开放存取的科技文献全文为知识源,以构建面向精神疾病精准诊疗的领域知识库为目的,就精神疾病、症状、治疗药物、不良反应和药物剂量实体识别以及关系抽取展开研究。本文的主要工作包括:(1)构建了精神疾病领域知识抽取语料库。针对语料库缺失的现状,基于科技文献爬取、自然语言预处理和人工校对等方法,采用半监督学习的自扩展技术,有效地解决了语料库构建主要依靠专家编审导致的规模和质量受限等问题,为实体识别和关系抽取任务提供数据支撑。(2)提出了融合领域语境与主动学习的命名实体识别技术。基于领域语料较少的现状,使用领域区分度方法进行实体识别。针对术语表达多样性的特点,将领域语境融入到术语的偏向度计算中。针对领域术语持续涌现的现象,提出了基于主动学习方法来学习新的领域术语语料信息,不断识别新的领域术语。经过实验验证,本方法可以获得较好的实验结果。(3)提出了融合领域词典的深度学习关系抽取模型。针对实体之间存在远距离特征以及跨句关系的特点,使用BERT预训练模型学习上下文信息作为模型输入和双向长短时记忆网络模型学习长距离的语义信息,解决长距离文本构词复杂的问题。构建领域词典权重减轻对领域语料的依赖性,使用注意力机制解决文本特征权重分配和减少信息冗余的问题。实验验证,本算法可以很好地提高关系抽取的准确度,在长距离文本关系抽取上表现较为出色。综上所述,文本提出了语料库构建、实体识别和关系抽取为核心的精神疾病知识抽取方法,能够为知识驱动的应用提供帮助。本文提出的方法也有望于推动生物医学其他领域文本挖掘的发展。