随着社会和信息网络的发展,自然语言处理变得越来越重要。完全句法分析是自然语言处理的一个重点和难点,于是人们提出一种浅层句法分析来降低完全句法分析的难度。组块识别作为自然语言浅层句法分析的主要方面之一,它是以组块为单位来进行语法分析,从而为更深层次的句法分析以及组块对齐等自然语言处理任务提供基础。本文采用基于CRFs的分布式方法与错误驱动技术相结合,来实现对汉语组块的识别。首先,采用“分而治之”的方法将各组块进行分组,为各分组分别选取合适的单一特征和组合特征,用CRFs进行组块识别;然后将识别结果加入到特征模板中,进行CRFs的第二次识别。在合并结果,处理类型冲突时,综合考虑各组组块识别的F值及数量两种因素确定其合并的优先级,从而进一步提高了组块的整体识别结果,尤其是名词组块的识别效果。最后,以识别出的名词组块为基础,提出了一种基于已对齐词的窗口匹配算法,实现了名词短语的对齐。将由GAZA++词对齐得到的短语翻译作为中文短语的初始翻译,利用双语短语词典和双语词语词典,修正或重新查找中文名词短语的最佳翻译。实验结果表明,基于CRFs的分布式方法与单独的CRFs相比,不仅缩短了训练时间,而且提高了识别结果;加入错误驱动技术后,识别结果有了进一步的提高;各组组块识别的F值及数量两种因素综合考虑而定的优先级,其组块识别结果优于单独考虑F值而定的优先级。最终系统开放测试的F值达到93.23%。名词短语对齐也取得了较好的成绩,准确率达到了88.01%。