蛋白质交互(Protein-Protein Interaction,PPI)信息对生物和医药研究意义重大。目前在生物医学发现的PPI信息大都放在生物文献中,且以非结构化文本的形式保存。生物学家们试图手工地识别出PPI信息并将其保存于关系数据库中,然而随着文献的激增,手工识别的方式已经难以满足实际的需求。因此,研究如何自动识别文献中的蛋白质对成为了一项新的课题。目前,PPI识别的技术主要是基于有监督的机器学习方法,而基于有监督的方法依赖于大量标注了PPI交互信息的高质量文本集合,而构造这样的文本集合需要耗费大量的人力和时间。为了避免以上问题,本文提出了一种基于弱监督的PPI识别的方法,这种识别方法只需利用少量的标注信息。本文从以下三个方面进行了研究。第一,本文以句子为线索提出了基于弱监督的PPI识别方法。该方法是基于单句进行分析的,对蛋白质关系描述的上下文进行聚类,提取出交互关系描述的模式,利用模式对交互关系进行判断。实验结果表明,采用弱监督的PPI识别方法取得了较好的识别结果。第二,本文在基于弱监督的识别法的基础上,对描述交互关系的特征词进行选择。本文分别采用了基于词向量的特征词选择方法、基于词向量和高频词的特征词选择方法。然后在各种特征选择方法下进行实验,实验结果表明,通过基于词向量法进行特征选择得到的特征词最有助于识别PPI信息,其最佳识别结果的F-Score比没有使用特征选择时的高2.2%。第三,本文在句子级线索(即基于弱监督的PPI识别)的基础上,引入了签名档级的线索,得到一个组合模型,从而识别PPI信息。实验结果表明,在基于弱监督的PPI识别法的基础上,引入了签名档相似性后,在相同蛋白质对得分的阈值下,识别的结果的F-Score更高,识别结果更稳定。