中文未登录词识别问题是限制中文自动分词,文本的挖掘、聚类、过滤,机器翻译,信息抽取等技术成果进一步提升的关键要素之一。中文人名在未登录词中所占比例最重,它的识别,既是重点,又是难点。　　本文首先说明了中文人名识别的研究背景,阐释了研究的重要性;之后归纳了研究现状,通过横向对比展现了当前的研究成果和依然存在的问题。之后的3-5章为本文所研究的主要内容:　　首先通过对语料库中中文姓名内部成词和外部成词的情况进行统计分析,得出了这两种成词近似随机的结论。然后提出了基于词典,以匹配词典中已登录词为手段的一个基本算法。接下来对基本算法进行测试,根据测试结果总结出了六点改进方案:补录了行政区名、外国国名和城市名以对地名集进行优化;通过进一步研究姓名内部成词情况对可为名的词集进行优化;对名的首字和末字的用字情况分析来对名首字集和名末字集进行优化;逐个分析各个姓氏对研究的贡献之后,剔除少量高错误率的姓氏以达到对姓氏集的优化;针对名中有姓的情况改变了算法初始匹配规则。再通过七个实验对六种优化一一进行评估,得到了较为满意的结果。最后实现了一个可视化工具,使得算法的效果更加直观。　　实验结果表明,本文提出的算法有其存在的价值。在没有经过语料训练,未加载分词模块,无须进行概率计算的前提下,对1998年1月人民日报语料库1-31日的超大规模全部语料进行测试,获得了58.56％的准确率和80.03％的召回率。体现了算法的广泛适用性和高召回率的特点。