随着社会信息化的发展,无论是党政机关,还是公司企业学校,人们更青睐于用电子文档的形式来存储、备份文档。于是电子信息迅速增长成了海量信息,这给人们从中获取自己所需的信息增加了很大的困难,所以必须对海量信息进行处理,中文分词技术就是中文信息处理的基础。经过十几年的研究发展中文分词技术有了很大突破,但是中文分词系统始终存在着不足,这是由于中文语言的复杂性导致的。为了提高中文分词系统的准确率,通过对中文分词现状的学习,深入研究了常用的中文分词算法和各种分词词典结构,提出了改进算法。本文提出了一个基于双数组的逆向匹配分词算法,在词典结构上,使用双数组词典,它继承了TRIE索引树逐字匹配的特点,节省了空间,提高了查询效率；在匹配算法上,根据统计在同等条件下,单纯使用逆向最大匹配比正向最大匹配的错误率低,所以本文实现的算法是结合了双数组和逆向匹配的优点。从实验结果来看,这种结合了双数组逆序词典结构和逆向匹配的中文分词算法取得了较好的成果。为了给算法提供一个好的应用环境,本文设计了一个基于文档类别的层次中文分词系统。一般说来,分词模型不考虑文本的类别属性,然而对于类别信息丰富、复杂度大、专业性强的知识管理应用系统而言,就需要更具针对性的分词方式。这种基于文档类别的中文分词系统模型,分为输入层、分类层、分词层、数据层；数据层的词典有四种：分别是基础信息词典、核心词典、专业词典和临时词典。由于专业词典具有针对性,占用空间小,灵活性高,易更新,使得未登录词能及时得到补充。该系统能够对携带分类信息的文本按照类别选择专业词典进行层次分词处理,提高了专业词汇的切分准确率,在试验中得到了良好的证明。