随着信息时代的到来和计算机技术的不断发展,自然语言处理应用在人们生活中的方方面面。如何高效地处理语言信息,是自然语言处理技术研究的关键所在。而中文分词作为支撑中文环境下自然语言处理的基础技术获得了大量关注。目前中文分词以通用分词为主,如将专业性强的特殊领域文本进行分词,不能得到较好的分词效果,因此提升专业领域分词效果是急需解决的问题。本文针对上述问题,提出了一种基于条件随机场模型的面向专业领域的分词方法,并开发了应用系统便于用户直接使用分词功能。在预处理阶段,本文根据原始通用语料构建了通用训练语料库,并以妇幼保健领域为例,按照一定的规则构建了妇幼保健领域的专业训练语料;根据专业语料库中含较多时间类词语的特点提出了新的标记策略,同时依据专业语料库中的专业长词特点和缩略近义词较多的特点提出了“长词求整,近义并行”的专业语料标记策略。再设定个性化特征模板,从而使模型能够按照词位标注和特征模板生成特征函数并进行特征抽取。针对特征的抽取和相关信息的存储,我们根据专业语料特点,选取利用相同前缀进行树形结构构建的Trie树进行节点信息的组织,并采用双数组结构对Trie树进行存储,构造时舍弃链式结构的指针采用数组,节省了空间开销,查询时只需要做加法计算,极大减少了时间开销。在权值参数训练阶段,我们选用极大似然估计法作为条件随机场模型参数估计的学习方法,利用L-BFGS算法进行参数估计过程的优化,提高迭代计算效率。在预测阶段,我们为了提高预测速度和减少非紧密关联意群之间带来的标记干扰,提出一种预处理方法,使得标记预测的对象为逗号分隔开来的意群,即提高了效率又增加了准确率同时减少了不必要的计算。本文利用双数组Trie树进行特征索引的查询,将链表查询转为加法计算,缩减了查询时间。本文选取维特比算法作为预测算法,为提升预测的效率缩短预测时间,提出了一种基于规则和阀值的标记限制选择策略改进维特比算法,其中“规则”限定了当下标记前后位置的标记种类以及当下意群首尾位置标记的种类,阀值则限定了此标记能否作为下一标记最大路径计算的选择之一。为了使本方法能更广泛地适应专业语料,本文采取了专业词典逆向最大匹配的方法对标准化分词结果进行后处理,以提升系统对专业词汇的识别度。本文设计了相关实验并验证了改进的标记策略和词典匹配后处理法对分词准确率的正面影响,也验证了改进的维特比算法对分词速度有提高的作用。最后本文设计并实现了专业分词系统,以供用户使用。