在Web上的海量网页集合中,蕴含着丰富的数据资源,要从这些海量数据中寻找有用的信息,命名实体提取是一种高效的便捷方法。当前对命名实体问题的研究不管是基于英文的还是中文的,所用的方法大都是针对“一篇篇”普通文档进行工作的,然而,由于Web内容的复杂性和异构性,这些学习方法对于海量网页中的命名实体提取来讲,并不是都很合适,而且也没有考虑利用其他辅助信息,因而效果和效率都还有可改进的空间。　　 本文对基于网页集合的命名实体提取进行研究,在分析网页集合特点基础上,对基于Web的命名实体提取方法和传统方法进行对比,分析二者具有一定的相似性,提出将传统方法中的基于统计模型的命名实体识别方法应用在网页集合中命名实体提取。当前命名实体识别系统中应用最多的是隐马尔科夫模型(HMM)和最大熵模型(MEM),在对比分析这两个常用的统计模型后,选出了较为合适的隐马尔科夫模型应用在基于网页集合的命名实体提取系统中,但是由于隐马尔科夫模型是一种生成模型,其成立完全基于严格的独立性假设,而且在对命名实体识别时只采用词性为观察值,在识别精度上还有可改进的空间。针对隐马尔科夫模型的这一不足,本文对其进行了改进,在模型中添加了上下文相关信息,提高了其识别性能。　　 本文根据提出的方法,设计并实现了一个基于网页集合的NE提取系统,系统采用统计加规则的方式对命名实体进行识别,首先从Web上爬取网页并对网页进行预处理,去除噪音,提取正文,并对正文进行分词；然后用HMM模型对预处理过的正文进行NE识别；最后针对网页中命名实体的特点,提取出了一系列规则对统计模型的初步识别结果进行修正。实验证明,传统的命名实体识别方法可以应用在基于网页集合的NE提取中,并能取得较为理想的效果。