تحديد التفاعلات الدوائية غير المعروفة يُعد مفيدًا جدًا في الكشف المبكر عن التفاعلات السلبية للعقاقير. وعلى الرغم من توفر العديد من المصادر لمعلومات التفاعل بين الأدوية (DDI)، فإن كمّ هذه المعلومات مُخبأ داخل مجموعة ضخمة من النصوص الطبية غير المهيكلة التي تنمو بشكل أسي. وهذا يتطلب تطوير تقنيات استخراج النصوص (Text Mining) للكشف عن التفاعلات بين الأدوية. وتستخدم الطرق الحالية المتطورة لاستخراج DDI آلات الدعم المتجهة (SVMs) مع نوى مركبة غير خطية لاستكشاف السياقات المتنوعة في الأدبيات العلمية. وعلى الرغم من أن الأنظمة القائمة على النوى الخطية أقل تكلفة من الناحية الحاسوبية، إلا أنها لم تحقق أداءً مماثلاً في مهام استخراج DDI. في هذا العمل، نقترح نظامًا فعّالًا وقابلًا للتوسع باستخدام نواة خطية لتحديد معلومات التفاعل بين الأدوية. يتكوّن النهج المقترح من خطوتين: التعرف على التفاعلات بين الأدوية، وتخصيص أحد الأنواع الأربعة المختلفة لتفاعل الأدوية للزوج المُتوقع من الأدوية. ونُظهر أن استخدام فئة خطية من آلات الدعم المتجهة، عند تزويدها بمجموعة غنية من السمات اللفظية والتركيبية، يمكنها تحقيق أداءً تنافسيًا في كشف التفاعلات بين الأدوية. علاوة على ذلك، تُثبت استراتيجية "واحد مقابل واحد" أهميتها في معالجة مشكلة عدم التوازن في تصنيف أنواع DDI. وعند تطبيق النظام على مجموعة بيانات DDIExtraction 2013، حقق أداءً بقيمة F1 مساوية لـ 0.670، مقارنةً بـ 0.651 و0.609 المسجلة من قبل الفريقين الأول والثاني في مسابقة DDIExtraction 2013، اللذين اعتمدَا على أساليب قائمة على نوى غير خطية.