命名实体识别就是把文本中出现的命名实体包括人名、地名、组织机构名、日期、时间、和其他实体识别出来并加以归类。命名实体识别是自然语言处理中的一项基础性工作,同时也是很多应用中的关键技术,如信息检索、信息抽取以及机器翻译等。因此,研究命名实体的自动识别具有重要的理论意义和实践价值。本文首先对当前命名实体识别的研究进行了总结和回顾,并介绍了国内外命名实体识别评测活动,研究了当前命名实体识别研究的进展和命名实体识别所使用的各种方法。系统详细地介绍了条件随机域模型,条件随机域是一种统计机器学习方法,在序列标注和分割方面有着优秀的表现,在模型的训练过程中我们利用了统计词典获得外部特征。实验表明外部特征的加入可以弥补训练规模的不足、显著的提高实体识别效果。利用现有的人民日报标注语料库,以条件随机域模型为基础实现在字一级对于包括外国译名在内的中文人名、地名的识别以及组织机构名的识别。最后,我们采用了基于规则的方法完成了对时间词和数词的识别。从实验结果来看,采用CRF进行命名实体识别取得了较好的识别效果。我们将深入研究CRF模型的特征选取和参数训练问题,进一步提高命名实体识别的效果。