命名实体识别的任务就是将文本中指定的实体名自动识别出来,在自然语言处理领域,它是一项基础性的研究工作,在信息抽取、信息检索、机器翻译、自动问答领域有着非常广泛的应用,命名实体识别研究具有重要的理论意义和实践价值。本文采用基于规则和条件随机场模型(CRF)的方法来进行中文命名实体识别研究。本文深入分析了国内外命名实体识别研究的相关技术,在分析和比较了基于规则的方法、基于隐马尔可夫模型的方法、最大熵模型以及条件随机场模型之后,提出了采用基于规则和条件随机场相结合的中文命名实体识别研究方案。在命名实体识别过程中,由于数词和时间词的表达结构较为规范,所以采用基于规则的方式来进行识别；同时考虑到人名、地名和机构名的不规则性,而采用条件随机场模型,大量的命名实体识别研究表明,基于单个汉字提取上下文特征能够取得更为丰富的特征值,所以在本文中以字为单位进行文本切割,获取每个字的上下文特征,然后采用条件随机场进行机器学习,最终实现对句子中包含的组织机构名、人名和地名的自动识别。在模型的训练过程中,采用多种不同的模板进行训练,选择效果最佳的模板,这在一定程度上提高了实体识别的效果。本文主要的工作分为三点：1.采用人民日报的语料库,借用谢菲尔德大学的开源软件GATE框架定义识别规则,自动识别出语料中的时间词和数词。2.采用条件随机场模型,选取不同的特征,对不同的特征模板进行比较选出最优的一个,完成对组织名、人名、地点的识别,最后与正确的人工标记结果进行比较,测评出准确率和召回率、F值。3.将基于规则和基于条件随机场结合起来对不同的命名实体进行识别,并设计了一个系统,实验结果表明,基于规则和条件随机场来进行命名实体识别可以取得较好的识别效果。