在自然语言处理领域,高质量的标注语料在信息处理中有重要的应用价值,语料库质量的好坏直接影响到中文信息处理的各项后续工作的展开。对标注语料的高质量精加工要求也迫切至极。现有的语料标注问题比较多,传统的手工校对方式已经不能适应建设高质量、大规模语料库的要求。致力于该问题,本文做了如下工作:　　 1.对于自动分词和词性标注中的歧义消解问题,包括组合型、交集型、兼类词歧义,利用CRF、RFR SUM、NaiveBayes、基于知网的语义相似度模型等,在传统的词形、词性特征的基础上,探索增加更多的语言学特征,并采用多分类器集成的方法进行歧义的消解处理。　　 2.对于新词识别,我们利用基于构词规则和基于语料统计相结合的方法,在大规模语料中自动抽取新词。　　 3.对于命名实体的处理,采用程序抽取为主,人工干预为辅的方法,对语料中候选的人名、地名等进行改正处理,并结合中文用语的特点,进行了基于语篇的命名实体识别处理。此外,采用基于知识库和相关领域常用词,如天气领域等典型词作为基本种子来进行扩散处理等诸多方法,进行了成语、天气预报用语、时间短语、数量短语等的校对标注处理。　　 4.在上述加工方法的基础上,建立了一个人机交互式语料精加工平台,大大减轻了人工标注的负担以实现自动化的高效语料加工。　　 为了验证该平台的实用性,对2001～2004年的《人民日报》语料和1991～2004年的《新华社》语料进行了精加工处理。处理结果显示,本文的方法可以有效地提高语料加工的质量,加工平台可以提高语料处理的效率,为后续自然语言的研究处理提供了坚实的技术支持。