词义消歧一直是计算语言学领域的一个重要研究课题，对机器翻译、信息检索、内容和主题分析、文本分类、语音识别等领域有着重要的影响，可以帮助解决语言信息处理中的一系列理论和实践难题。 最大熵模型是一种基于统计的机器学习模型，提供了一种分类的方法，成功地运用在自然语言处理的许多领域，并得到了较好的结果。 本文以北京大学计算语言学研究所开发的较大规模人民日报词义标注语料为基础，从以下几个方面进行了研究： 论述了多义词上下文包含的各种特征信息如显性信息、半显性信息、隐性信息以及如何提取这些信息。 结合《现代汉语语法信息词典》、《现代汉语语义词典》和知网等资源，探讨了多知识源的知识融合技术与方法，并在此基础上，研究从融合知识源中获取词义消歧知识的技术以及构建相应的词义消歧知识库，解决因训练语料不足而导致知识匮乏或数据稀疏问题。 设计并实现了一个面向汉语词义自动标注研究的实验平台，在该实验平台中，在“基于归纳学习的统计与规则相结合的排歧模型”和“最大熵排歧模型”下，对《现代汉语语法法词典》中的802个多义词进行了词义标注，这种对大量多义词的词义标注是以前的研究中没有出现的。实验表明最大熵模型的正确率较高，体现了最大熵原理的优越性。