未知の薬物相互作用の同定は、副作用薬物反応の早期検出において極めて重要な意義を持つ。薬物-薬物相互作用（DDI）に関する情報は、いくつかのリソースが存在するものの、その膨大な量の情報は構造化されていない医療テキストの海に埋もれており、その量は指数関数的に増加している。このような状況に対応するため、テキストマイニング技術によるDDIの抽出手法の開発が求められている。最先端のDDI抽出手法では、文献における多様な文脈を捉えるために、非線形複合カーネルを用いたサポートベクターマシン（SVM）が用いられている。一方、計算コストが低い線形カーネルに基づく手法は、DDI抽出タスクにおいて同等の性能を達成できていない。本研究では、線形カーネルを用いた効率的かつスケーラブルなDDI情報抽出システムを提案する。本手法は2段階構成となっており、まずDDIを同定し、次に予測された薬物ペアに4種類のDDIタイプのいずれかを割り当てる。我々は、豊富な語彙的および構文的特徴を用いることで、線形SVM分類器がDDI検出において競争力のある性能を達成できることを示した。さらに、一対一（one-against-one）戦略がDDIタイプ分類におけるクラス不均衡問題に対処する上で極めて重要であることが明らかになった。DDIExtraction 2013コーパスに適用した結果、本システムはF1スコア0.670を達成した。これは、DDIExtraction 2013チャレンジに参加した上位2チームが報告した0.651および0.609（ともに非線形カーネルに基づく手法）を上回る性能である。