本文以中文药物命名实体识别为研究对象,运用语言学规则和统计学习中的隐马尔可夫模型,对网络医患问诊信息中出现的中文药物命名实体进行识别。本课题研究没有使用相关知识库,实验数据来自《寻医问药网站》的有问必答栏目,由患者提问及医生回答的意见建议组成。用该数据对模型训练后,辅之规则模板,对文本中出现的中文药物实体进行识别。通过调整概率平滑方式,在有限的训练样本数量下,以期模型预测达到较好的识别效果。本研究有望克服过度依赖药物词典库,难以处理未登陆词和数据稀疏等局限性,对推进命名实体的应用研究,发展自然语言处理技术具有实践意义。实验过程首先对文本数据进行预处理,完成标注工作。使用该标注语料进行隐马尔可夫模型训练,确定观测集合和状态集合,并计算出观测概率矩阵,状态转移概率矩阵和初始状态概率矩阵;然后对未标注的语料,进行模型识别效果测试。测试语料经分词后进入训练好的隐马尔可夫模型,采用维特比算法输出最优状态序列,对该序列直接进行模式匹配,或者去头掐尾,对特殊前缀词和后缀词进行二次分裂,再提取出相应的中文药物命名实体;计算实验结果的正确率、召回率,F1值,采用不同的概率平滑方式,对模型参数进行调优;最后结合句型、触发词规则,对结果进行校正,可以进一步提高识别效果;在真实数据集上的实验结果,正确率在80%左右,表明整个处理过程所采用的方法是有效的。