随着互联网技术的高速发展,人们能够在互联网上获取到的信息与日俱增。互联网上出现了越来越多以社交为核心的媒体,如微博、推特,人们开始将网络作为自己表达情绪、态度和感觉的平台。网络社交媒体因此不断壮大,并且用户数目不断增多,每时每刻都有数量庞大的信息在网络上产生、传播。而面对如此丰富的信息、海量的社交媒体语料,目前却没有一套有效的词法分析系统,仅靠人工标注、追踪是难以实现有效处理的。因此,本文主要对社交媒体词法分析任务中的中文分词及命名实体识别进行研究。本文前两章对目前该类问题的研究现状和基本技术进行了详细的介绍,然后针对现有研究的不足之处,在第三章和第四章中分别对面向社交媒体的中文分词和命名实体识别任务提出了解决方法:(1)面向社交媒体的中文分词任务,提出了基于字典资源及新词发现信息的特征工程,并使用了 LSTM-CRF算法进行中文分词。因为社交媒体上语言不规范、新词众多等特点,本文设计了基于字符类别的字典资源特征,并结合新词发现算法提出了新词发现特征。使用LSTM-CRF算法结合特征工程与深度神经网络方法,能够有效地进行社交媒体中文分词。相比传统条件随机场,本文使用方法在未登录词的召回率这一指标上,有很大的优势。(2)面向社交媒体的命名实体识别任务,提出了融合嵌入表示的条件随机场算法(EMB-CRF)进行命名实体的识别,使用到了结合分词信息的字位置嵌入作为特征。融合了嵌入表示的条件随机场算法将嵌入表示视作稠密向量特征,与传统特征函数具有相同的地位。此外,基于对语料中实体的统计分析,提出了基于点互信息的预标注特征。使用了这种预标注特征的EMB-CRF算法,在相关数据集上的性能表现略有改善。