中文分词是根据特定的规范将文本中连续的字序列切分成有实际意义的词语序列。作为自然语言处理领域的底层研究,中文分词已经广泛用于搜索引擎、机器翻译、语音识别等应用中。因此,对中文分词算法的研究具有理论和现实意义。本文将基于词典的分词方法和基于统计的分词方法进行相应的结合,提出了基于动态词库构建的概率模型分词算法,首先采用基于自由度和凝合度的未登录词识别方法对语料库中的出现未登录词进行提取,并将其加入到改进的词典结构中,作为动态词库;其次,采用基于逆向最大匹配的切分算法对预处理后的文本进行初步切分,然后采用朴素贝叶斯模型对切分后的结果进行概率计算,同时选择概率最大的切分结果,从而实现分词歧义消解。最后以隐马尔可夫分词模型进一步改进了朴素贝叶斯模型在分词过程中存在的不足。本文主要的研究工作有:第一,在解决中文分词领域中的未登录词问题上,通过分析传统的基于词频的中文分词算法在处理未登录词问题上的不足,提出了一种基于凝合度和自由度的未登录词识别算法。第二,对词典结构进行了改进,通过对整词二分法词典结构在搜索时间和空间消耗上的分析,发现整词二分法词典中在收录未登录词时,词典的查询时间也随之增加,原因是在查询词典正文时,进行了无效的遍历,因此,提出了一种基于完全二叉树的词典结构,用完全二叉树代替了传统整词二分法的索引表层和词典正文层,通过实验证明,有效的减少了分词时间。第三,在处理中文分词歧义问题上,在综合分析传统的歧义消解算法之后,提出了一种基于动态词库构建的概率模型分词算法,首先用分词精度高的基于词典的最大逆向匹配方法对待分词句子进行初切分,然后使用有向无环图表示所有切分结果的切分路径,再用朴素贝叶斯模型进行切分路径的可能性计算,选出概率最大的路径同时完成了歧义消除。在分析朴素贝叶斯模型在分词过程中面临的问题时,并设计了隐马尔可夫分词模型。基于上述的理论及改进算法,本文采用Java语言设计并实现了一种中文分词系统,集成了本文主要的研究内容和创新点,在实际使用中,可以高效的对中文句子进行分词处理。