自然语言处理是人工智能中的重要领域,不但能够帮助人们从庞大的语言数据中提取出需要的信息,甚至能够理解语法语义并对其做出合理的应答。随着近十多年来现代汉语的语言处理研究逐步进展,研究者们已经逐渐能够从现代汉语中抽提出有效的实体信息并进行语法解析。然而古汉语作为中国的传统语言,蕴含着大量的历史资料,同样有着智能处理的需要。词性是词汇最为重要的一个属性,是将词汇与句法相连接的重要纽带,它能够提供很多有关词汇及其上下文的重要信息。一个好的词性标注体系更是词性标注工作的前提。目前比较权威的词性标注集有南师大版先秦汉语词类标注基本集、北京大学汉语文本词性标记集、中国科学院计算技术研究所词性标记集以及教育部出版的现代汉语词类标记规范。其中只有南师大的词性标注集是针对古汉语建立的,其余三者均为现代汉语文本标注工作服务,且实验过程中准确率较低。本文面向《汉学引得丛刊》根据语料中古汉语文本的特征,以南师大先秦词性标记集为主,以北京大学、中国科学院计算技术研究所和教育部词性标记集为辅,共形成三种不同大小的标记集。构建过程中严格遵循古汉语语言规律和特征,贯彻句法功能一致的原则,系统兼顾语义独立和完整这一准则。对上述三种标记集以及南师大先秦词性标注集标注下的语料分别使用条件随机场进行命名实体抽取实验来对比得出更适合于古汉语研究工作的词性标注体系,本文语料来自哈佛燕京学社出版的中国古代典籍索引《汉学引得丛刊》系列中的《春秋经传引得》《国语引得》和《论语引得》《孟子引得》《墨子引得》《荀子引得》《庄子引得》。对语料电子化以及词性标注后进行基于条件随机场的特征选择和模板构建,主要选取词性、词长和左右边界词是否虚词这三类特征,根据不同特征组合分别展开基于《诸子》和《春秋经传引得》的命名实体抽取实验。实验结果表明在不同特征组合下本文提出的三种标记集在实体抽取实验效果上均优于南师大版标注集,其中基于《诸子》和《春秋经传引得》的最高调和平均值分别达到了 80.34%和83.33%,且都是在使用本文制定的标注集2时取得的实验结果,相较于南师大先秦词性标注集在准确率和召回率方面也都有提升,所以将标注集2命名为南京农业大学古汉语词性标记集（NACP）。同时NACP更适合于古汉语研究工作,可应用于后续进行语义知识的挖掘。在文章最后也对标注错误的语料进行了提取和分析,主要源于人名和地名间相互识别错误和非常见人名、地名无法识别的问题,对此也提出相应的改进措施。