当今世界已经进入了信息社会,随着全球信息化进程的快速推进,网络与人们的工作学习生活越来越密不可分。可以说,现代社会的每分每秒、每件工作都离不开网络的帮助。而如何更好的更高效准确的利用网络信息,是中文信息处理的目标所在。中文自动分词是中文信息处理的基石和前提,而歧义的消解是中文分词领域的重点和难点。因此,研究和实现歧义在中文分词中的更好的解决和应用,具有重要的价值和现实意义。众所周知,词是能够独立使用的、具有意义的最小语言单位。而与外语不同,中文句子中没有明显的空格标记,所以,中文分词技术由此产生。经过多年的探索发展,中文分词已经取得了很大的进步,但仍面临着单词的边界界定、未登录词识别、分词的规范性和词义的消解等问题。本文的主要目标是对歧义消解问题的探索,尤其是很多歧义往往只能在相应的语境中才能的得到相应正确切分的问题。一般的,中文分词消歧方法主要有基于统计大规模语料库、基于词典和规则的以及两者相结合的方法,但是这些消歧方法大都很少考虑到词语相关度、语法和语义等语境中的信息,导致一些歧义问题并不能很好的解决。在对现有中文分词理论和消歧模型算法进行深入研究的基础上,针对那些需要相应语境中信息才能解决的歧义问题,对基于语境信息的中文分词消歧方法进行探索研究,本论文研究的主要内容如下:(1)本文介绍和分析了中文分词技术及消歧理论,讨论了中文自动分词的基本方法和优缺点,并对几种中文切分歧义消解统计模型进行详细阐述。(2)利用虚词停顿的分词方法和改进的双向最大匹配算法对输入的文本进行粗、细分词,并通过预处理和词性标注等,完成文本的切分,获取歧义字段的几种切分结果。(3)针对歧义字段的消歧问题,本文通过模拟人类根据语境消解歧义的思维过程,融合了词长、词性、tf-idf和语义相似度等语境中的信息,构建TextRank图模型进行关键词提取,结合统计和语义方法,以实现语境中的信息得全面提取和充分利用。(4)在知网语料库和基于语境信息的关键词提取算法的基础上,利用语义相似度和关联度相结合的语义相关度,本文给出了一种基于语境信息的中文分词消歧模型,来获得歧义的正确切分结果。(5)设计和实现一个基于语境信息的分词消歧系统,并对该系统进行实验测试。