时间作为一种重要的语义载体,是我们生活中不可或缺的元素。通过时间信息,人们可以了解事件发生的经过,并可以根据时间信息的顺序整理事件,掌握事件发展的全过程。时间识别是自然语言处理的一项基本任务,它在机器翻译、事件检测与跟踪、舆情发现、自动问答系统、信息检索等领域有着重要的作用。本文首先简单介绍了中文时间表达式识别的研究现状与常用的研究方法,然后分别采用基于规则的方法、基于条件随机场模型的方法对中文时间表达式进行识别,并根据实验结果比较这两种方法各自的优点与存在的不足。在此基础上,提出一种统计与规则融合的时间表达式识别方法：首先,通过分析中文文本中时间词的词性、词性及上下文信息,采用条件随机场模型识别时间单元而非时间表达式整体,避免了中文时间表达式边界定位不准确的问题；之后,从训练语料中获取候选触发词,并设立评价函数对候选触发词进行打分,选出正确的时间触发词完善时间触发词库；最后根据时间触发词库与时间缀词库,制定规则对时间表达式边界进行定位。实验结果显示开式测试F1值达到97.32%。结合中文语言与时间表达方式的特点,本文将中文时间表达式分为七种类型,分别为：DATE类型、TIME类型、SET类型、DURATION类型、FUZZY类型、LUNAR类型、RELATIVE-TIME类型。在识别时间表达式的基础上,针对七种不同类型的特征制定相应的规则,确定时问表达式的类型。