随着深度学习的发展,目前汉语分词在封闭领域上已经达到了很高的性能。然而,当应用场景由封闭领域切换到开放领域时,分词性能会显著下降。本文从特征和数据两方面出发,尝试提升模型本身的数据拟合能力以及扩大训练语料的数据规模。以下是本文的主要研究内容:(1)利用额外特征提升分词性能汉字是形声字,每个汉字都有自己独特的图形表示和语音信息。字的五笔编码描述了汉字的字形信息,很多语义相近的字都存在相似的字体结构。多音字在不同语境下会有不同的读音,因此字的拼音也传达了字的语义信息。除此之外,领域移植场景下,一些特定领域的专业词汇都遵循相同的构词规则。因此,我们充分挖掘额外特征,尝试在神经网络模型中加入字的五笔表示,字的拼音信息以及传统离散特征来提升基准模型本身的性能。(2)利用额外弱标注数据提升分词性能针对领域移植场景下全标注训练语料领域覆盖面窄且标注成本高的缺点,我们着手于弱标注语料库的的构建。一方面,我们从标注数据的获取、标注系统的构建以及标注规范的制定三个角度出发制定了科学的标注体系,便于获取高质量的人工标注弱标注数据。另一方面,我们提出了一种基于目标领域无标注数据的数据筛选方法用来过滤网页弱标注数据。虽然这两者都可以明显提升汉语分词领域移植的性能,但是由于弱标注数据本身所包含的分词信息少,所以需要在训练数据中引入大量弱标注数据,这也导致时间开销变大。(3)利用额外异构数据提升分词性能针对弱标注数据包含分词信息少这一缺点,我们考虑使用额外的全标注数据来提升分词性能。目前主流的使用多源异构数据的方法都存在模型较复杂或者错误传递的缺点。我们提出了基于语料特征的方法,该方法在基本不修改模型且不引入噪声数据的情况下,可以明显提升分词性能。最后,我们将基于语料特征的方法与多任务学习的方法进行对比,证明了我们的方法可以达到前人的性能且比前人的方法简单高效。综上所述,本文所提出的的方法可以明显提升分词领域移植任务的性能,也衷心希望我们所提出的方法可以帮助提升其他自然语言处理任务的性能。