名词短语是汉语中的一种重要的短语类型,名词短语识别是自然语言处理领域中的一项基础且重要的任务。其正确识别可以简化句子结构、降低句法分析复杂度。基于上述名词短语识别的重要性,本文提出了基于词频统计模型的名词短语识别方法以及针对微博文本的基于条件随机场模型的名词短语识别方法,将统计与规则相结合,较好地完成了名词短语的识别任务。本文首先概述了名词短语识别的概念、研究背景以及国内外研究现状,并对现有的方法进行研究和分析。通过对目前主流方法的学习,决定采用规则和统计相结合的方法进行名词短语识别。提出一种基于词频统计,计算名词短语的共现频率及构词可能性的阂值,识别汉语基本名词短语的方法；根据词在名词短语中的不同角色,建立词表,加入未登录词的处理、规则模板及纠错处理,最后对结果中出现的问题进行分析并提出可能的解决方案。此外,在分析上述实验结果的基础上,对于当今热门的微博文本进行专项研究。提出一种基于条件随机场模型的中文微博名词短语识别方法,在对微博文本规范化处理基础上,标记微博训练语料中的名词短语,训练条件随机场模型,加入微博名词短语规则模板和停用词表,识别微博测试文本中的名词短语。实验表明,本文提出的名词短语识别方法是有效的。基于词频统计模型的名词短语识别方法,对建立的词频统计模型进行训练,并在测试文本上分别进行实验,在引入未登录词处理、规则模板处理及纠错处理后,平均准确率、召回率及F值分别为91.28%、93.22%和92.24%。在对微博文本的识别实验中,选取适合微博文本的条件随机场模型特征模板,加入规则模板等优化后处理,平均准确率、召回率及F值分别为95.01%、94.03%和94.52%,进一步提高了微博文本中名词短语识别效果。