随着信息时代的到来,自然语言处理技术被广泛地应用在生活的各个方面。中文分词技术是自然语言处理领域的一个基础性课题,通过中文分词技术,计算机能够处理人类的自然语言。歧义切分是中文分词技术中的难点之一。歧义主要分为三大类:交集型歧义、组合型歧义和混合型歧义。解决歧义切分的方法主要有三大类:基于词典与规则的方法、基于统计的方法和混合方法。　　中文分词是自然语言处理领域中其它任务的基础性工作,所以歧义切分效果的好坏至关重要。目前分词问题歧义处理使用的模型算法有很多,例如隐马尔可夫模型、最大熵模型,但是这些方法都存在着一定的不足,实际应用的效果较差。条件随机场对所有特征实现全局归一化,可以利用长距离的特征,不存在标记偏置的缺点。因此,本文重点研究基于条件随机场模型处理中文分词的歧义问题。　　本文所做的主要工作如下:　　(1)介绍了中文分词的基本理论和基本方法。双向最大匹配算法是中文分词技术的基础工作,可以实现对文本的初步切分,影响其他后续任务的实际效果。隐马尔可夫模型和最大熵模型是被广泛应用于实际工作的基于统计的分词技术,该类方法具有较高的实用性。数据平滑技术主要分析了加法平滑方法、古德-图灵估计方法和Katz平滑方法。　　(2)分析了条件随机场的理论,利用条件随机场的特征选择算法以适应切分消歧的要求。利用条件随机场的无向图模型特性将文本进行有效的标注,根据实际需求设计特定的特征模板,对文本进行有效的切分处理。　　(3)研究歧义字段的特征模板的构建,并且利用构建的特征模板进行特征选择,选出有代表性的、不冗余的有效特征。　　(4)利用模型进行歧义字段消歧处理。通过训练语料选取合适的函数参数,对测试语料进行封闭测试和开放测试,通过比较得出结论。　　(5)基于条件随机场模型构建一个中文分词系统。该系统以双向最大匹配为基础,找出存在切分歧义的词语,然后通过基于条件随机场的改进算法进行进一步地切分处理。