随着互联网技术的快速演变,以虚拟经济为依托的电子商务正逐渐发展成为人们生活中不可或缺的一部分。伴随着网上购物平台的不断扩大,电子商务所带来的信息也随之膨胀,在这些海量的产品信息中,如何让客户通过搜索方式准确地找到想要的产品已经成为了电子商务发展中面临的巨大问题。例如用户以关键字“味全”去搜索“味全”牌酸奶,结果却出来类似“五谷康原味全麦粉5kg／袋”这样的结果。通过引入中文分词技术,就可以使产品信息的整理更加准确合理,避免出现以上结果,使得用户在检索产品时获得的结果更精确。本文首次将中文词算法——条件随机场模型应用到电子商务领域的产品描述信息自动分词研究中,在结合电子商务领域特征的基础上,选取了某购物网站的产品描述信息作为实验语料,对产品描述信息的自动分词和中文分词中的最大难点未登录词识别分别做了研究,并使用条件随机场的实验工具CRF++对实验语料进行了训练和测试。在实验中,本文选取了两组对比实验进行比较和分析,分别为条件随机场和隐马尔科夫模型、最大熵马尔科夫模型之间的对比,以及不同特征模板下条件随机场之间的对比。实验结果和分析充分证明了条件随机场在电商领域中文产品描述信息的中文自动分词研究中效果显著。