专利文献是记载和传递各类科技成果的信息载体,是世界上最大的技术信息源。如何充分地利用如此巨大的信息资源,使专利在科研和专利业务的诸多方面发挥重要作用,针对该问题,专利信息处理系统应运而生。在中文专利信息处理系统中,专利分词是一个重要的基础环节,专利检索及专利翻译等应用都需以专利自动分词作为基础。目前国内汉语自动分词的研究主要集中在新闻语料上,比较成熟且实用的分词系统针对新闻语料的分词效果很好,然而对专利语料的分词效果却不是很理想。本文针对专利文献自动分词的困难及专利文献的特点,提出了一种基于统计和规则相结合的分词方法。该方法充分利用了从大规模语料中获取的全局信息和切分文本的上下文信息,有效地解决了专利分词中未登录词难以识别问题。实验结果表明,该方法在开放测试下取得了较好的结果,对未登录词的识别也有很好的效果。针对监督学习方法需要大规模同源训练语料,及通过调节窗口大小获取词的上下文信息的不足,本文将大规模语料中的高频稳定的词和切分文本的上下文信息作为辅助特征,引入到基于条件随机场的分词系统中,从而提出了一种将无监督分词信息融入条件随机场的分词方法。与当前主流分词方法在专利语料上的对比实验结果显示,该方法解决了训练语料不足的问题,并从统计上获得了更多关于词的边界信息,使分词的性能提升了大约7个百分点。在分析专利中术语构词特点的基础上,针对专利中词组型术语隐含的层次结构,本文对词组型术语的多层次切分进行了探索性研究。