随着社会发展越来越快,政府自身和人民群众对政府要求越来越高。原有的公文检索和管理方法已无法支撑现有工作开展,必须采用基于全文检索系统的政府公文管理系统,目前全文检索系统的关键技术是中文分词,本文采用基于统计模型（条件随机场）的自动分词方法,相较于基于词表或者依赖词表的分词方法具备人力成本低、总体效率高的特点。条件随机场（Condition Random Fields,CRF）模型的中文分词应用到政府公文领域,存在两个不足:现有条件随机场模型采用的特征在政府公文语料分词中准确度不高;基于条件随机场模型的中文分词都注重分词准确率,不注重分词后的易歧义标记和歧义消解,导致歧义消解效果不理想,未能有效的提高分词准确率。因此本文提出了一种融合特征方法,能够有效提升分词准确率（评价指标F值）。在融合特征F值提升达到瓶颈后,提出了基于易歧义标记的歧义消解方法,进一步的提升了分词F值。在此基础上,应用以上方法到全文检索系统,有效提升公文检索的准确率。主要工作如下:1、针对现有条件随机场模型特征在政府公文语料分词中准确度不高,提出了面向政府公文领域的中文分词融合特征,融合特征采用了一元5字结合二元3字特征模板,4词位的位置特征,词长特征和字的类型的优化特征的融合。实验结果表明,融合特征能够取得F值92.84%,比其他特征更加有效。2、采用中文分词融合特征方法后,F值提升达到瓶颈,为了进一步提升分词F值,本文提出了基于易歧义标记的歧义消解方法,该方法通过对稳固词串和稳固词、语料平衡、特征平衡的识别,标记易歧义的分词,然后采用互信息、边界熵、稳固词串和稳固词等方法解决歧义消解。实验结果表明,基于易歧义标记的歧义消解方法能有效提高F值,到达94.42%,相比于其他方法,具有较高的分词准确率、召回率和F值。3、在此基础上,将以上两种中文分词方法应用到成都市规划和自然资源局的全文检索系统中。本文通过调查问卷的方式,采集到成都市规划和自然资源局业务人员日常工作对政府公文检索功能的使用情况,根据业务需求,设计了召回率和人工检索代价指标,对比了全文检索系统和原公文查询系统。系统实际使用测试情况表明,全文检索系统相较于原公文查询系统,能有效的返回与检索的关键字相关度高的公文,具有较高的召回率（93.42%）和较低的人工检索代价（3.38）。