随着领域非结构化文本的不断积累,各个应用领域迫切地需要从海量的非结构化文本中挖掘出有用的信息,各种文本挖掘技术也相应地快速发展。在中医医学领域中,中医医案是一种重要的信息载体,蕴含了大量的临床经验,对临床诊断和医学研究有着重大的研究意义。但是中医医案文本不仅具有较强的专业性,而且不同的医生多采用不同的表达形式进行表述,从而给中医知识的获取带来了巨大挑战。中科院计算所NKI课题组提出了一套语义分类和描述框架（Framework of Semantic Taxonomy and Description,简称FSTD）,以此帮助领域知识获取和常识获取等工作。作为一项具体的领域应用,该课题组在从事名老中医医案知识获取研究中,以该框架为基础编写了一套文法(称为语义文法Gseed),并实现了中医医案解析器。但中医医案解析器十分依赖于语义文法产生式的数量和质量,如果语义文法中缺少某些文法,则可能导致一些句子无法被解析,致使部分领域知识被遗漏。本文针对上述问题,从语义文法扩展的方面对中医医案解析器进行优化,并对解析结果进行可视化。本文的主要研究内容如下:（1）提出一种基于Earley容错解析算法的领域语义文法的自动扩展方法。本文从完善语义文法的方面对解析器进行优化,实现了一种领域语义文法的自动扩展方法,包括词类词条的扩展和文法产生式的扩展,以此自动生成新的语义文法产生式和词条,从而帮助提高语义文法的覆盖范围,更准确地解析文本。实验表明,本方法可以提供大量有效的语义文法帮助人工进行语义文法的完善。（2）提出一种中医医案内容抽取的可视化方法。本文使用的中医医案解析器以语义文法为基础,利用Earley解析算法对文本进行解析,最终获取到包含知识内容的领域解析树。为了将抽取的领域知识整合成一个完整的事件描述,使用户有效地分享和学习领域知识,本文实现了一种中医医案内容抽取的可视化方法,将领域内容解析树自动转化为以领域知识模型为模型的知识描述,对抽取的领域知识进行可视化。本方法具有普适性,可通过改变领域知识模型以满足不同需求的应用场景。（3）设计并实现了一个原型系统。本系统包括了两部分:语义文法更新扩展与文本抽取可视化。针对语义文法的更新扩展,本系统设置了人工校对自动扩展结果功能、格式校验功能、反馈功能、语义文法更新功能等,利用人工干预与自动扩展结合的方式对语义文法进行更新,以此来减少优化中医医案解析器时花费的人工成本。针对文本抽取可视化,本系统提供了以中医医案为输入、领域知识模型形式的抽取结果为输出的抽取接口,供第三方使用;并提供了页面展示,以供医院、医生等非专业人员进行使用。