中文词法分析是中文信息处理的重要基础，汉语是没有自然分割的连续文本，古代汉语更是没有任何边界标志，我们现在所看到的文言文中的标点符号，都是后人为了方便人们阅读而添加的。为了帮助人们更加方便、深入的学习和研究古代汉语，必须首先对连续的词语进行处理即分词标注。本文基于统计自然语言处理的方法，重点研究了古今汉语分词标注模型，在已有的古今汉语平行语料库学习平台中添加了词法分析模块，为系统中的翻译模块奠定了基础，并提供了非常珍贵的资源。　　 本文将从训练语料的加工、分词标注工具的模型、古今汉语学习平台词法分析模块三个方面分别阐述本文所做的工作。　　 训练语料的加工：训练语料的加工过程严格，语料的加工经过了分词、标注、机器校对、人员校对四个步骤，这四个步骤的实施保证了训练语料的正确性。首先，于加工语料之前制定了加工规范和标注集，其次，对语料加工人员进行了严格的遴选，择定北京师范大学文学院古汉语方向的研究生进行语料加工，再次，利用程序对训练语料的格式进行了校对，最后，再次进行了人工校对。训练语料的完成为后续的分词标注提供了宝贵的资源。　　 分词标注模型：分词标注模型是整篇文章的核心部分，该部分解决了分词标注算法、分词词典结构、古汉语词典建立等几个问题。这部分主要运用了perl语言对二元语法模型进行了训练，提取词典词条信息，利用全切分算法和马尔可夫标注模型研究分词标注模型。尤其在古汉语分词方面，将虚词的位置信息作用到了马尔可夫模型标注器上，提高了处理结果的准确性。　　 古今汉语平行语料库词法分析：该模块是本论文的研究成果的应用，设计并实现了一个实用、开放、易于扩展的古今汉语分词、学习、应用的平台。　　 依据统计自然语言处理方法，本文探讨了基于统计的古今汉语分词标注，从资源建设到核心理论研究，再到应用实现的一整套系统化过程中，遇到的问题及解决方案，并不断通过实验来加以改进，最终的实验结果是令人满意的。