Las plataformas de redes sociales son canales de comunicación digital emergentes que proporcionan una forma fácil para que las personas comunes compartan sus experiencias sobre salud y medicamentos en línea. Con más personas discutiendo su información de salud públicamente en línea, las plataformas de redes sociales presentan una rica fuente de información para explorar las reacciones adversas a los medicamentos (RAM). Las RAM son problemas importantes de salud pública que resultan en muertes y hospitalizaciones de millones de personas. Desafortunadamente, no todas las RAM se identifican antes de que un medicamento esté disponible en el mercado. En este estudio, se desarrolla un sistema de monitoreo de eventos de RAM que puede reconocer menciones de RAM en un tweet y clasificar su afirmación. Exploramos varias características de reconocimiento de entidades, conjunciones de características y selección de características, y analizamos sus características e impactos en el reconocimiento de RAM, que nunca se habían estudiado previamente. Los resultados demuestran que el rendimiento del reconocimiento de entidades para RAM puede alcanzar un F-score de 0.562 en el conjunto de datos de la tarea compartida de minería de redes sociales de PSB, lo que supera el método basado en coincidencias parciales por 0.122. Después de la selección de características, el F-score puede mejorarse aún más en 0.026. Esta técnica novedosa de minería de texto que utiliza datos de redes sociales en línea compartidos abrirá una serie de oportunidades para que los investigadores exploren diversos problemas relacionados con la salud.