本文主要介绍了汉语分词中未登录词识别与词性标注方法。未登录词是影响汉语分词准确率的一个重要因素，未登录词包括人名、地名、时间名、数词等，提高这类词的识别率能够在一定程度上提高汉语分词的准确率；词性标注是中文信息化处理的基础性工作，其任务是用计算机来自动地标注出文本中所有词的词性。词性标注在机器翻译、自动摘要、信息检索、Web文本挖掘、文本分类、文本校对、语音识别、语音合成等许多领域起着重要的作用，是自然语言处理的基础性课题。提高词性标注的准确率，是提高自然语言处理效果的基础之一，因此词性标注的方法研究具有重要意义。 本文采用了统计与规则相结合的方法对未登录词进行识别，该方法解决了基于规则的方法带来的规则获取瓶颈问题，同时克服了基于统计的方法过于依赖语料库的缺陷。实验证明，统计与规则相结合的方法能有效的提高汉语分词的准确率。 本文对词性标注的方法进行了研究，分析了基于规则的方法和基于统计的方法的优缺点。提出采用条件随机场模型，通过概率训练获得了模型参数。同时采用backoff参数平滑算法来解决了条件随机场模型的数据稀疏问题。最后，运用Viterbi算法以句子为单位进行词性标注。实验证明，基于概率统计的-阶条件随机场模型以及Viterbi算法能有效的解决汉语词性标注的问题。 另外，在汉语分词的词典结构方面，本文提出了一种基于双数组Trie加密的词典存储结构，该词典存储结构不仅能够有效地提高词典检索效率、降低词典的空间复杂度，并且克服了传统双数组词典结构装载时间过长的缺点，同时，该结构的加密存储方式能够有效保护词典信息不被窃取。对保护知识产权起到了重要的作用。