随着生物医学文献的不断增加,大量的有用信息埋藏在文本里,因此生物医学方面的文本挖掘成为当今研究的热点问题,蛋白质关系抽取作为文本挖掘的子任务,不仅对蛋白质知识网络的构建有帮助,同时对蛋白质关系的预测,新药的研制均具有非常重要的意义。本文重点研究基于核函数与SVD的蛋白质关系抽取方法,主要研究工作有基于集成核函数的蛋白质关系抽取,多核学习的蛋白质关系抽取,协同训练以及基于SVD的蛋白质关系抽取方法。本文首先提出了一种集成核函数方法,将本文自定义的路径核函数与基于特征的线性核函数集成,其中自定义的路径核方法,针对句法分析树中提取出来的路径,从路径的长度与维度两方面考虑设计路径核函数,并且应用集成核函数方法抽取蛋白质之间的关系,取得较好效果。其次,本文使用多核学习方法应用于蛋白质关系抽取中,其中的多核主要包括词特征核,树核,以及路径核。多核学习方法尽最大可能地提取句子中的语法,语义,词汇等信息,提高蛋白质关系抽取的效果。本文针对于已标注语料少的情况,还提出了协同训练方法,解决了人工标注代价大的问题。本文协同训练方法中两个视图分别是词特征视图和树核视图。在初始化很少的标注语料上训练,对未标数据测试,然后添加到对方标注语料中,反复循环,相互学习,达到相对稳定状态。最后,本文丰富特征表示,使用具有位置信息的单元词特征,二元词特征,同时引入SVD方法提取语义相关特征,实现蛋白质关系抽取,并与他人研究方法进行对比,在交叉实验中取得较好效果。这四种方法分别适用于不同的情况,在特定环境下,表现出较好的性能。在不考虑特定环境的情况下,多核学习方法表现较好,具有通用性,可以广泛使用,并且能够取得较好的抽取效果。