在智能终端技术日益普及的背景下,生活信息服务行业迅猛发展。作为生活信息服务的基础——POI (Point of Interest,即兴趣点)[1]应用也越来越广,如位置搜索服务、地理位置信息搜索等。在自然语言处理领域的角度,就需要对POI名称进行有效的识别。P0I名称主要由两部分组成：地名和机构名,这两个都是命名实体的组成部分。但是,不是所有的机构名都是POI名称,要对机构名进行过滤,提取出具有地理实体的机构名。所以P0I名称识别可以先在地名识别和机构名识别的基础之上做进一步的研究及改进。地名识别和机构名识别是命名实体识别的重要组成部分,国内外很多学者和专家对实体名识别进行了深入的研究,目前实体名识别的方法主要有：基于规则的方法、基于统计的方法、统计和规则相结合的方法等。基于统计的方法中,常见的模型方法有隐马尔科夫模型(HMM) [2[2]、条件随机场模型(CRF)[3]和最大熵马尔科夫模型(MEMM) [4]等。由于条件随机场具有表达交叠性特征和长距离依赖性的能力,可以把所有特征可以进行全局归一化,所以本文采用条件随机场的方法进行POI名称的识别。本文首先研究地名识别和机构名,在地名识别和机构名识别的成果之上,针对POI名称的特性做了改进的工作,并成功应用在了实际的面向导航的对话系统中,取得良好的效果。本文的主要贡献如下：1、提出POI名称识别的方法,进行POI名称的识别。本文采用先识别后过滤的两级模型,具有一定的创新性；2、把POI名称的识别应用在对话系统中。