命名实体识别技术是自然语言处理技术中的重要工作,随着互联网信息越来越多样化和复杂化,如何提取最重要信息便成为了一个至关重要的问题。命名实体识别技术就正是机器翻译、信息检索、摘要提取等技术中的关键技术。本文从命名实体的特点出发,主要研究了基于人名、地名、组织名这三类重要命名实体的识别问题。本文以条件随机场模型为主要框架,实现了一个命名实体识别系统,并设计了多组实验来验证系统的性能。总的来说,本论文的主要工作有：首先,本文的前三章就命名实体识别的分类、特点、技术难点进行了简要的剖析,并对命名实体识别方法的分类进行了介绍。然后我们对于已经成熟的命名实体识别方法进行了深入研究,针对于隐马尔可夫模型和最大熵马尔可夫模型的缺陷,提出了基于无向图模型的条件随机场模型,并对于条件随机场理论中的关键步骤进行阐述。接着,在本文的实验部分,针对本文研究的条件随机场模型,实现了命名实体识别的训练、评测系统,并在系统结构上进行了详细的分解与阐述。并且,本文提出了一种新的特征模板选择方法,以提高算法的识别效果。为了验证方法的有效性,我们针对于识别系统本文设计了几组实验,分别从训练集大小、特征模板的选择、不同语种的识别效果进行纵向分析。最后又针对于最佳特征模板,将条件随机场模型与最大熵模型的识别效果进行对比,条件随机场模型的优势明显。最后,通过本文的实验,得到了最适宜训练数据的训练集大小,验证了本文提出的基于特征模板选择的数据训练方法。实验证明,在本文采用训练集和测试集下,本文提出的特征模板选择方法已经达到了良好的准确度、召回率与F值。