名词短语是文本主要的组成部分,很好的识别出名词短语可以很大程度上帮助把握文章所表达的主要意思。而中文最长名词短语亦是如此。中文最长名词短语应用于诸多自然语言处理任务中,如信息检索、文本分类、自动文摘、指代消解等,因此对于中文最长名词短语的研究是有必要的。本文对中文最长名词短语的识别作专门的研究,分别使用了隐马尔可夫模型和条件随机域模型对中文最长名词短语进行识别。本文先使用隐马尔可夫模型对中文最长名词短语进行识别。分别使用了传统的隐马尔可夫模型和二阶隐马尔可夫模型对文本进行中文最长名词短语进行识别。因为二阶HMM考虑了前一个状态的信息,增加了可预见性,所以二阶隐马尔可夫模型的结果好于传统的隐马尔可夫模型。但是总体的试验结果并不理想。这主要是由于隐马尔可夫模型的一些自身特点造成最长名词短语识别的效果不理想。针对隐马尔可夫模型的缺点,本文使用了条件随机域模型来对最长名词短语进行识别。相对于隐马尔可夫模型较强的独立假设等缺点,条件随机域模型则可以允许观察序列任意的依赖关系,而且特征并不需要特指究竟是是一个状态还是观察值。基于条件随机域模型的中文最长名词短语识别的识别最长名词短语的效果还是比较理想的。本文还将最长名词短语识别应用到了面向特定任务的指代消解中。中文最长名词短语包含了最长名词短语中的中心名词的修饰成分,这修饰成分中会包括中心名词的性别、颜色、数量、日期、方位等类型的描述信息。指代消解所需要则是上述一系列描述信息中的数量信息和性别等信息,因此可以使用最长名词短语识别,从文本中提取出相应的信息,帮助指代消解的工作。