自然语言处理技术目前已发展为信息处理领域的一个的热点研究问题。其中汉语的处理任务大都需要先进行分词,经过多年的深入研究,汉语自动分词技术在应对传统文本上已经取得了不错的成绩。然而,网络文本的分词水平却不能令人满意,主要是由于网络文本的文体与传统文本有很大的不同,这就对目前的分词研究提出了新的课题。条件随机场(Conditional Random Fields, CRFs)模型不需要严格独立的假设,而且克服了标记偏置问题,因此被广泛的应用到汉语自动分词中,并取得了不错的效果。本文在基于字和词标注结合条件随机场模型的基础上,进行适合网络文本的分词方法研究。主要研究工作分为以下几个方面：(1)介绍隐马尔可夫模型、最大熵马尔可夫模型和条件随机场模型,阐述CRFs模型在汉语标注方面的优越性。(2)总结分析网络文本的特点,在基于字标注和基于词标注相结合的条件随机场模型的基础上,改进标注集,采用适合于网络文本的特征模板,提高系统对网络文本的分侧能力。(3)由于网络文本与传统文本的不同,这就导致网络文本存在大量的未登录词(Out-of-vocabulary, OOV),本文提出通过平均互信息与C-value相结合的方法,过滤出分词模型不能识别的未登录词。(4)对分词结果进行分析,总结错误切分的规律,针对网络文本语料的特点提出一些基于规则的修正方法,进而提高整体分词效果。通过实验证明,本文提出的基于条件随机场模型分词的改进方法,在对网络文本语料测试上,分词的准确率、召回率和F值均取得了一定提高,验证了此方法的可行性。