近年来,随着生物医学实验方法的变革,相关实验数据和文献资料呈现指数级的增长,如何从规模庞大的科学文献数据中快速有效地抽取出有价值的信息,是一个亟待解决的问题。生物医学领域的实体因果关系抽取是从生物医学文献资料中自动抽取实体之间的因果关系以及与实体相关联的功能。本文对生物医学领域实体之间的因果关系抽取展开研究,研究内容主要包括:(1)基于词对齐的实例级因果关系抽取语料构建。原始的实体因果关系训练语料是基于句子级标注的,不能直接用于传统的机器学习方法。本文在构建关系语句和文本句子平行语料的基础上,通过词对齐技术自动构建一个实例级的层次序列化标注语料,为利用机器学习方法抽取实体因果关系打下基础。(2)基于层次序列化标注的因果关系抽取。基于已构建的实例级训练语料,利用条件随机场训练层次序列化标注模型,然后再利用训练出的模型对多层次的因果关系进行抽取。实验结果表明,基于条件随机场的层次序列化模型,能够在因果关系抽取任务上取得较好的效果。(3)基于序列标注和二元分类混合模型的因果关系抽取。考虑到关系层面的模式较为复杂,序列化标注模型并不能很好地学习到该层面的模式,本文提出一种序列化标注与分类模型相结合的模型,即采用序列化标注模型识别功能,再利用分类模型识别关系。实验结果表明,基于序列标注和二元分类混合模型的因果关系抽取方法可以取得更好的结果。