命名实体识别技术对机器自动翻译、问答系统、搜索引擎、信息抽取和文本分类等有重要作用。由于中文内在的特殊性质，识别难度大于英文。本文从数据源的角度出发，针对各种不同数据源的特点，分别进行了中文命名实体识别研究，并实验总结了较为适合的识别方法。　　对条件随机场相关理论进行了研究，分别对人名、地名和组织机构名提取了相关特征，训练了条件随机场命名实体识别模型。研究并实现了自动模板抽取的命名实体识别方法，对模板识别、模板匹配等过程，提出了效率较高的算法;对于实体过滤，提出了过滤规则与贝叶斯分类器结合的方法。　　长文本包括新闻类文本和机构类网站两大类数据源，本文采用了以上两种识别方法，分别对两种数据源进行了研究。研究表明，新闻类文本采用条件随机场能达到较好的识别效果，而机构类网站则更加适合采用自动模板抽取进行识别。　　以微博为代表，对短文本数据源进行了实体识别研究和实现。提出了以条件随机场为基础，辅以规则过滤、微博结构分析及用自动模板抽取进行结果提升的命名实体识别方法，达到了较好的识别效果。