命名实体识别是自然语言信息处理的一项基础工作。命名实体识别的研究,在自然语言信息处理的许多应用领域如信息抽取、自动分类、机器翻译、问答系统和信息检索等都具有重大的意义。国际上,很早就开始了命名实体识别技术的研究并取得了不错的成果。但是,由于中文本身的内在特点,使得命名实体识别问题成为中文信息处理中的一项艰巨的任务。为了解决基于句子中文命名实体识别研究的局限性,本文提出了一种基于语篇的中文命名实体识别算法,并从以下几个方面对基于语篇的中文命名实体识别问题进行了研究和探讨:首先,文本介绍了人名、地名和组织名三种主要的命名实体的相关语言学知识,并对命名实体识别的早期的规则方法和目前流行的机器学习方法进行了简要介绍。其次,提出了一个统计与规则相结合的中文命名实体识别算法。本文详细分析了中文命名实体的构成特点,提出了双层的CRFs模型进行机器学习方法,并采用规则库对CRFs标注结果进行校正,取得了不错的效果。再次,对语篇的基本概念和语篇理论进行了初步的学习和研究。在对语篇概念和基本理论有了一定的认识之后,重点对语篇的指代消解进行学习和研究。最后,提出了一种基于语篇的中文命名实体识别的算法,从整个语篇的角度对命名实体识别进行分析和研究。在系统架构过程中,本文采用了模块化的方法,分别有:句子级中文命名实体识别模块,指代消解模块,组织名缩略语识别模块、中文命名实体重现模块和评测模块等。实验结果表明,基于语篇的中文命名实体识别系统的识别效果相对于句子级的中文命名实体识别系统的识别效果有明显提高,在对2004年863中文命名实体评测语料的开放测试中,系统的识别的精确率、召回率和F-值分别是85.35%、80.62%和82.92%。