命名实体识别和共指消解是自然语言处理中的两个基本问题,在文本的很多相关任务中都有着重要应用。当前对这两个问题的研究工作主要针对新闻、广播等一些正规的文本语料。随着人们在互联网扮演的角色逐渐从信息的获取者向信息的提供者转变,互联网上出现了大量的用户生成内容。这类用户生成内容的规范性较差,因此传统的NLP方法在处理这类语料时效果往往不够好。新闻评论就是其中重要的一种。本文主要研究中文新闻评论中命名实体识别及消解问题。　　 针对中文新闻评论中的命名实体识别问题,本文在应用了传统的条件随机场模型的基础上,利用新闻正文和新闻评论间的联系,基于互联网搜索及挖掘技术,引入了正文核心命名实体识别算法及相关实体扩展算法以提高识别的准确率。并使用了一个基于字典的修正方法进一步改善效果。　　 针对中文新闻评论中的命名实体消解问题,本文首先分析了该任务和传统的共指消解任务的不同,给出了其特有的任务定义。然后在传统的二元分类框架的基础上,提出了一种基于评论中心的改进算法。并结合新闻评论的特点,引入了新的特征集合以提高消解效果。　　 我们从国内重要门户网站-新浪网中人工标注了60篇新闻语料及对应的评论作为我们的数据集。实验结果证明本文的方法能有效提高命名实体识别和消解的准确性。