随着电信业务与互联网技术的不断融合,电信领域开始进入了数字化时代。作为电信领域应用智能化的基础,电信领域命名实体识别的研究具有其实际意义。然而,电信领域文本具有一定的特殊性,并且数据集稀少,因此,传统的命名实体识别方法并不能完全适用于电信领域。论文结合电信领域文本特点,对条件随机场模型进行了改进。在特征项中加入数字特征、字母特征、关键词特征以及地名特征,以增强条件随机场模型的学习能力;在构建特征模版的过程中,为不同的特征项选择不同的上下文窗口大小,以保证上下文信息使用的合理性;使用递增式学习策略选择最优特征集,以提高构建最优特征集的效率。论文针对电信领域缺乏已标注数据集的问题,提出了一种基于Tri-Training算法的语料标注方法,对电信领域文本进行标注。借助电信领域结构化文本构建电信领域基础词典对部分语料进行标注,然后结合Tri-Training算法完成对全部文本语料的标注工作。论文将改进后的条件随机场模型与基于Tri-Training算法的语料标注方法相结合,构建了完整的电信领域命名实体识别系统,并借助该系统对论文所提出的算法进行实验验证。实验结果表明,论文所提出的基于条件随机场的电信领域命名实体识别方法以及基于Tri-Training算法的语料标注方法均是有效可行的,能够在电信领域命名实体识别工作中取得令人满意的结果。