该文从面向大规模真实文本的角度出发,初步介绍并讨论了大规模真实中文文本的处理技术和特点：首先,在文本表示方面,该文采用向量空间模型,并在此基础上,介绍了获取字、词等文本特征项的词汇技术,包括自动分词、歧义识别、未登录词识别和术语识别等;在排歧中,我们采用规则和统计并举的方式;在姓名识别中,我们建立了由一万多个姓名组成的姓氏库和名字用字库,并组织了姓名识别规则库;此外,基于统计的自动分词研究是该文的实现重点,也做了详细研究.其次,在文本检索方面,该文介绍了布尔检索、概率检索和向量检索三种主要检索方式,并在向量检索的基础上,讨论了文本检索系统中的数据压缩技术,包括文本压缩和索引压缩;最后,在文本分类方面,该文介绍了文本分类的全过程,即文本表示、特征项提取、分类模型选择和阈值确定.该文对文本分类技术的讨论是基于向量空间模型展开的,重点讨论了文本分类技术中的向量维数压缩和分类模型选择问题.在以上理论研究的基础上,我们运用已有的知识基础,通过统计信息,建立了姓氏库、名字用库、姓名识别规则库、数词识别规则库,提出了中文内嵌词处理的新思路.最后实现了一个原型系统,进行了实验,并分析了实验结果,同时提出了改进思路.