在信息时代里,用户从海量的文本中获取相关性强的数据信息变得越来越困难。中文分词可以将一系列字段按照一定的规则划分为独立的、可识别的字段,从而让计算机读懂文字的原意。非物质文化遗产是一种具有重要价值的文化资源,当前互联网中存在大量的非物质文化遗产专有名词,常规分词算法难以对其正确切分,因而严重影响了非物质文化遗产领域一些长文本的检索、聚类、个性化推荐和情感分析等应用。因此,正确识别并切分非遗领域的特殊名词,是当前非遗领域亟待解决的一个重要问题。为了提高非遗领域文本分词的准确率,本文设计一种领域词典与统计分词相结合的分词算法。本文主要研究内容如下:1.非物质文化遗产领域词典构建。将中国非物质文化遗产网上的项目名录和传承人名录下载并经去重等人工处理,形成非遗领域的项目和人名专题词汇表,并从搜狗、QQ等输入法的相关领域词库中提取部分非遗专有词汇,与已有的开放中文地名和历史名人词库相结合,以此构建自定义的非遗领域词典。2.领域词典和统计分词相结合的非遗分词算法研究。依据前缀词典实现高效的词图扫描,生成对输入句子中汉字所有可能成词情况所构成的有向无环图。然后使用动态规划的方法在有向无环图上找到一条最大概率路径,依据此路径进行分词,找出基于词频的最大切分组合。最后对于未登录词,使用隐马尔科夫模型,并结合维特比（Viterbi）算法找出最可能出现的隐状态序列,即可得到分词结果。采用中文分词领域的标准测试数据集和两篇随机摘选的非遗领域新闻报道文本作为实验数据,并将本文算法和几种主流的分词算法进行了分词实验对比。实验结果表明,本文设计的领域词典和统计分词相结合的分词算法相比于其他分词工具在非遗新闻数据分词方面具有最高的精度,其准确率均超过了 95%,综合评价指标F值也超过了 0.93。分词结果证明本文算法能够准确地从非遗长文本中切分出正确的词汇,而且还能通过上下文信息和互信息等,组合并构建出新的非遗术语,能够较好地识别出非遗文本中的未登录词。分词结果也表明,本文算法在歧义词切分方面能在词典和统计分词模型二者之间取得平衡,具有较强的歧义字段切分能力。因此,在非遗领域词典相对完善的情况下,本文设计的分词算法能够较好地解决大部分非遗领域长文本的分词问题,并具有较高的分词精度。