近几年来互联网发展迅速,许多有价值的生物医学文献逐渐出现在网络中并呈指数级增长。这些专业的医学文献无疑促进了医学的发展并给生物医学研究者在医学研究方面带来很多便利。与此同时,还有很多患者在社交网络中分享自己服用药物后的症状以及不良反应,这些医学信息都可以作为医学研究实验的数据。无论是医学文献还是与医学有关的帖子都是可以促进医学发展的珍贵资料。然而在网络中医学文本的数量庞大,仅凭人力很难处理这些数据。除此之外,这些文本还是非结构化的数据,真正有用的信息都隐藏在句子中不能直接使用。所以如何快速的筛选医学文本并抽取其中结构化的实体关系对成为自然语言处理中一项热门的研究任务。本文研究内容主要可以分为筛选和信息抽取两部分。其中的筛选指的是对这些海量的医学文本数据进行一个初步的筛选并去除掉里面有相同语义或者是与医学无关的文本;信息抽取部分则是从非结构化的文本中抽取出结构化的数据。筛选部分包含生物医学文本相似性和生物医学文本分类两个任务。在文本相似性任务中使用孪生网络作为主要模型结构并通过注意力机制进行调整,其中我们利用改进的注意力机制放大文本特征中与医学信息相关的部分并降低句子中噪音的影响;而文本分类任务则是使用两种转换器双向编码表示(Bidirectional Encoder Representations from Transformers,BERT)模型作为预训练模型,再通过神经网络训练得到最终结果。其中的两种BERT模型分别为谷歌团队发布的标准BERT模型(Uncassed Base BERT)和我们用情感数据(Senti Word Net)训练得到的情感BERT模型。信息抽取部分则分为实体识别和关系抽取。实体识别任务指的是识别出句子中可以作为关系对象的实体(如药物、疾病、不良反应等);关系抽取则是识别出文本中实体间的关系,并对这些关系分类。在进行关系抽取任务之前,必须知道句子中的实体,而这正好是实体识别任务的目标,所以这两个任务间有着一定的联系。因此本文构建了一种实体识别和关系抽取联合学习模型,并用BERT模型作为联合学习的基础模型。本文对文本相似性、文本分类、实体识别与关系抽取任务进行实验,实验结果表明本文所提出的这些模型的有效性。