在文本中,命名实体是信息的主要载体,用来表达文本的主要内容。而中文命名实体识别是信息抽取、摘要提取、句法分析、开放域问答和机器翻译等应用领域的重要基础,越来越受到人们的重视和关注。但是,由于受中文自身特点的限制,中文命名实体识别的效果一直不是很理想。为提高中文命名实体识别的效果和促进中文信息处理领域其他技术和应用的发展,研究中文命名实体识别技术具有极其重要的意义。中文命名实体识别主要有基于规则和基于统计的两类方法。本文中文命名实体识别的方法是基于统计的,主要研究了基于条件随机场模型的中文命名实体识别技术。在理论上,对比讨论了几种统计模型的优缺点,包括隐马尔可夫、最大熵模型、最大熵马尔可夫模型以及条件随机场模型。其中,隐马尔可夫模型对独立性要求较高,最大熵模型缺少马尔可夫特性,最大熵马尔可夫模型存在标记偏置问题,而条件随机场模型能很好的解决上述模型所引起的问题。另外,本文还对条件随机场模型进行了深入的研究,尤其是特征提取和模型参数求解方面。对于基于条件随机场的中文命名实体识别,特征模板对识别的效果具有非常重要的影响。本文在前人工作的基础上,对特征进行细化和整合,并通过实验总结出一个能很好表征各类命名实体的特征模板,该特征模板包含基本特征、前后缀特征、字典特征以及复合特征。同时,首次尝试在训练和测试过程中,应用不同的字典进行特征提取,使得识别效果有较大的提高。最终识别结果的F值达到91.27%,甚至高于SIGHAN bakeoff 2006评测第一的结果。在本文的最后,利用对基于条件随机场的中文命名实体识别技术研究的结果,实现了中文命名实体在线识别和网络热点人物排名系统。网络热点人物排名系统对经过净化处理的网页文本进行识别,统计出每个人名在当天或当月出现的次数,并给出排序后出现次数最多的热点人物。