随着计算机网络的快速发展,各个领域的信息呈现指数级增长的趋势。领域性分析是知识构建、语义理解、文本分类、数据发掘等研究的基础,具有非常重要的意义。本文从词的层次上研究领域性分析方法,旨在获取领域词语,即表示领域内概念、特征或关系的具有显著领域性的词语,基于多种语料和单种语料分别提出了领域词语的获取方法,并进一步研究如何将领域词语用于自然语言处理的相关任务中。　　基于多个领域的语料,本文抓住领域词语的领域内和领域间特性作为词语领域性度量的关键。领域内的高使用性和领域间的高差异性,分别体现了词语的使用重要性和领域显著性。我们提出了一种在分词基础上的链接分析方法计算词语的使用度分数,依靠相邻词语间推荐作用引入词语的上下文信息,度量词语在领域中的重要性,其后基于方差提出了一种基于领域差异性的计算方法计算词语的差异度分数,度量词语在各个领域的领域度。　　针对领域词语表现出的不同语义层次,本文在单个领域的语料上进一步对词语的领域性层次进行划分,认为领域词语可以分为背景层、文档层和主题层。这里,我们提出了一种改进的层次话题模型对领域文档进行建模,更好地模拟了不同语义层次领域词在文档中的分布过程。利用层次领域词的分布范围的联系与差异,加入有指导思想的模块,加强了模型对不同领域层次的区分程度。　　此外,本文还将词语领域性的分析方法应用于多文档摘要提取和术语提取任务中。通过实验表明,将词语的领域性信息加入后,能够在词语级别上增加信息量,提高了应用任务的性能。