中文分词技术是中文信息处理中的重要环节，中文分词算法与中文分词系统的性能紧密相关。目前的分词算法可以分为基于字符串匹配的分词算法、基于规则的分词算法以及基于统计的分词算法三种。 中文分词技术的重点和难点是歧义排除和未登录词的识别。本文对这两个问题作了介绍并分析讨论了 FMM 算法、最少分词法、最大概率分词法、隐马尔可夫模型(HMM)、蚁群算法(Ant Colony Algorithm)，并着重对蚁群分词算法作了深入的分析和研究。描述了蚁群分词算法的收敛性，在不考虑参数α、β的影响下，讨论了交集型歧义字段和组合型歧义字段的收敛性，接着讨论了参数α、β的选取对蚁群算法的影响，得到在中文分词算法研究中蚁群算法处理交集型和组合型歧义字段的效果并不理想的结论。并且该算法并没有解决未登录词的识别问题。这些都说明了现在所提出的蚁群分词算法只是将蚁群算法用于中文分词的简单尝试，要想将蚁群算法真正高效率的用于分词还需要做更进一步的研究。对中、科院汉语词法分析系统ICTCLAS采用的N-最短路径粗分模块提出改进：在考虑到词频的基础上，结合宏观的统计语义和微观的规则语义，采用二元文法对粗分模块进行优化。改进的分词策略对于歧义的消除表现出一定的优势。 在本文最后介绍了中文分词系统的理论模型及其评测指标。