中文分词在中文信息处理中占有重要的地位，无论是搜索引擎技术，还是针对中文信息所进行的数据挖掘如文本分类、文本聚类和自然语言处理等方面，中文分词都是一个极其重要的预处理阶段，是后续处理阶段的基础。　　本文针对中文分词所做的工作如下：　　首先，建立了基于Hash和映射表的字典存储结构，该存储结构很好的平衡了字典的时间和空间复杂度的问题。　　接着，本文结合正向最大匹配算法提出了一种基于歧义检测和正向最大匹配的粗分算法，该算法使得分词的粗分结果集在准确性方面有了进一步的提高，并使得粗分结果集的规模维持在一个合理的范围内，为分词算法最终的准确率和处理效率提供了保证。　　在粗分结果集的基础上，本文通过运用隐马尔科夫模型进行切分歧义消解，得到最终正确的分词结果，并对最终的切分结果进行词性标注。同时，针对隐马尔可夫模型在解决组合歧义方面存在的不足，本文提出了一种基于上下文语境信息的组合歧义消解算法。该算法对组合歧义的消解取得了较好的效果。　　通过综合运用以上的各种算法，本文构建了一个完整的分词系统，该分词系统在歧义识别和歧义消解等方面取得了比较好的处理效果，使得分词算法的最终切分准确率有了一定的提高。