词法分析是自然语言处理中最基础、最关键的步骤。在中文信息处理领域，词法分析的一般做法是通过分词给词和短语划定边界，从而使汉语的后续处理过程跟英语等西方语言基本一致。然而，汉语中词与短语之间的界限比较模糊，许多情况下，某些语言单位就连语言学家也很难确定是语素、词还是短语。这导致实践中人工标注的分词语料存在严重的不一致性，而这种不一致性无疑会制约汉语的后续处理工作。分词语料的不一致性不仅体现在不同语料库间分词标准不同，而且同一语料库中的分词标准也存在不一致。此外，不同的自然语言处理应用对词的粒度大小也有不同的需求，单一的分词标准难以满足各种要求。因此，针对目前中文分词的不足和实际应用的需要，本文给出了一种与传统分词不同的词法分析选择，即分析词的内部结构。相比于传统的分词，分析词的内部结构能够同时获得词的边界和内部结构信息，它更加符合汉语词法与句法边界模糊的事实，解决了语料库标准不一致问题并满足了不同应用的需求。本文针对词的内部结构分析方法的研究，开展了以下几个方面的研究工作：首先，本文阐述了词内部结构分析详细的任务定义，并严格按照任务定义标注了PKU1998年1月的《人民日报》语料，将该语料的80%作为训练语料，剩余的20%作为测试语料进行研究。此外，由于还没有在PKU语料上进行词内部结构分析的相关研究，所以没有现成的评测工具可以使用。本文借鉴了句法分析的评测方法，设计了一套适合评测词的内部结构分析结果的方法。其次，提出了一种基于层叠CRF模型的词结构分析方法。该方法包括底层模型和高层模型两部分。底层模型是在识别词的内部结构之前，对汉字序列进行细粒度分词。高层模型是对经细粒度分词后的词序列使用CRF模型来识别词的内部结构。实验结果表明，该方法对词结构的识别取得了较高的准确率，总体性能达到了实用水平。最后，提出了一种利用扩展标记集来实现词结构分析的方法。核心思想是将词结构中的前缀和后缀作为特殊词位来识别，通过识别前后缀来识别词的内部结构。与基于层叠CRF模型的词结构分析方法相比，该方法克服了细粒度分词所带来的错误传递。实验证明，相比于基于层叠CRF模型的词结构分析结果，该方法进行词结构分析的整体性能有所提高。