在社会信息化程度日益提高的今天,专利已成为最大的科技信息载体,其在科研开发和技术创新上发挥着重要作用。怎样有效利用其所包含着的爆炸式增长的各类专业信息资源,使专利在科研和专利业务的诸多方面发挥重要作用,是当前汉语专利信息处理系统的重要挑战,而分词技术是其重要的基础工作,专利检索、专利翻译的工作都离不开汉语专利文献的分词技术,分词质量的高低直接影响专利文献应用的效率。汉语分词和词性标注工作已经取得了非常丰硕的成果,但是,目前针对汉语专利文献分词研究的参考文献数量不多,还没有专门的面向专利文献的开源的分词系统。本文根据专利文献自身的特点,提出了一种领域词典与统计相结合的分词方法,与现有的ICTCLAS分词系统相比在专利领域内切分取得了很高的准确率与召回率,通过提取专业术语大大提高了未登录词的识别效率。针对专利文献存在大量的未登录专业术语导致的分词精度下降,本文提出应用NC-value算法抽取专业术语,使用条件随机场模型(CRF),构建专利领域术语抽取模板,抽取出有意义的低频率术语,提高专业术语识别率。与当前主流术语抽取算法在专利语料上的比较结果显示,该方法很好地解决了未登录词的识别问题,使分词的性能提升了大约10个百分点以上。