随着电子文本信息的与日俱增,如何有效地对该类信息进行组织和管理,是现代信息技术所面临的问题。文本分类作为其中的一种重要的技术手段,已逐渐成为信息研究领域的一个主要方向。而中文分词作为影响中文文本分类效果的一个重要因素,也是研究的热点问题。由于在句中,中文词语间没有天然的间隔,要抽取它们作为信息就须先进行分词。中文分词方法大致分为基于词典的分词方法与基于统计的分词方法两类。基于词典的分词方法具有相对较快的切分速率,但在分词过程中存在着切分歧义的问题;基于统计的方法具有较高的准确度,但切分速率较慢。通过对两者的分析,文中提出了一种结合条件随机场统计模型的词典分词方法。该方法利用条件随机场模型对可能产生歧义的位置进行标注,以此来处理歧义问题,提高分词效果。基于该方法的分词系统融合了两者的特点,既具有一定的速度,又具有较高准确度。文中介绍了该系统的实现与试验,在试验中发现不足并加以改进。对于文本分类,其定义为:将待测文本归入到预定义类别中的过程。通常的文本分类模型仅使用到特征词,而未考虑特征词组,从而损失了一部分有利于分类的信息。文中提出了一种基于条件随机场模型的文本分类方法。条件随机场作为一种无向图统计模型,可以较好地融入各种类型的文本信息来提高文本分类的效果。文中具体介绍了该分类模型的设计构建,以及系统的实现。试验中,在特征词信息的基础上加入了特征词组信息,从而使分类效果取得了一定程度的提升。