命名实体识别(Named Entity Recognition,NER)是指识别文本中的人名、地名、组织机构名等命名实体。命名实体识别作为自然语言处理(Natural Language Processing,NLP)领域的一个基础任务,被广泛且成功地应用于信息抽取、信息检索、信息推荐和机器翻译等任务中。由于人名作为事件的主体,因此人名识别是命名实体识别任务的重要一项子任务。本论文完成的工作如下:研究并实现了基于统计与规则相结合的维吾尔语人名识别。我们从维吾尔语黏着性特点出发,从词干、音节、字符串三个角度对维吾尔语单词进行拆分,获得更小的语言单元,并把切分的新单元作为特征加入到条件随机场中,明显缓解了数据稀疏的影响,取得了比以单词为基本单元的人名识别方法更好的性能。同时还从维吾尔语中汉族人名的特点出发,提出了基于规则的维吾尔语中汉族人名的识别方法,最终利用统计和规则相结合的方法进一步提高了识别的准确率。实验结果表明,该方法人名识别的准确率、召回率和F1值分别达到了87.47%、89.12%和88.29%.我们利用各种统计模型做了对比实验尝试了三大命名实体,即人名、地名和机构名的基于统计的识别方法。通过对比实验也证实了条件随机场模型对于维吾尔语命名实体识别来说是性能最好的统计模型。同时,我们也利用地名库、地名特征词库和机构名特征词库等外部词典提高了识别效果。本文的研究结果还可以用于其他的维吾尔语命名实体的识别以及相关的文本分类任务。