随着互联网的迅猛发展和信息传播手段的飞速进步,人类已经进入一个信息爆炸的时代.而面对日益增长的网络信息,如何高效快捷的获取有用信息逐渐成为研究的热点和难点.本文将从实际需求出发,重点研究面向海量网络文本的中文有意义串挖掘.该技术能够直接应用到信息检索,舆情发现,信息抽取,机器翻译,词典编撰,中文分词等领域. 本文在介绍未登录词和新词范围的基础上,阐述了有意义串的概念.有意义串是指在真实语言环境中灵活使用而且包含具体语义的字符串,在语义上、统计上、结构上和语用上分别满足一定的性质. 接着,提出了一种上下文邻接分析和语言模型分析相结合的有意义串提取算法.该算法通过重复串发现得到候选串,计算邻接特征量来衡量候选串是否满足语用多样性,采用熟语料上训练好的双字耦合度和单字位置成词概率来判断候选串的语义完整性.然后设计了一系列不同的实验对比分析提取过程中各因素对结果的影响,同时验证了算法的有效性.在4783张网页的小规模语料上准确率和召回率都分别达到78.55﹪和79.04﹪,在470MB的大规模语料实验结果中P@N(N取2000)超过95﹪. 然后,本文对实验产生的有意义串进行了语言学分析.统计分析有意义串在长度、词性以及组合方式方面的分布规律;分别将文档和邻接词作为特征对有意义串进行聚类,得到主题相关和语境相似的串集合;针对命名实体和复合串的特点,分别提出了基于模板的命名实体标注方法和基于规则的复合串词类归并方法. 最后,在以上技术基础上,开发出面向大规模网页语料的有意义串挖掘系统MeanSMiner,能够处理约30GB的网页语料.