中文词语分析是信息提取的重要环节，其中切分排歧和未登录词识别是此过程的瓶颈。人名实体是未登录词的重要组成部分，因此其识别方法成为本文的研究对象。　　 本文首先回顾了人名识别的国内外研究情况，并着重分析了中国人名的构成特征。在对现有解决方法进行系统分析的基础上，围绕基于隐马尔可夫模型的角色标注方法进行中文人名识别的方法展开研究。论文所采用的基本方法是：(1)利用N-最短路径算法进行词语粗分；(2)在前N种最优切分结果的基础上，借用Trie树结构组织的常用人名库，进行快速入名匹配；(3)基于隐马尔可夫模型对词语进行角色标注，并通过模式匹配进行未登录入名识别；(4)设立一定的规则，对结果进行优化筛选。　　 本文的贡献在于：(1)将一元N-最短路径粗分算法改进为二元算法，同时进行了数据平滑处理，提高切分的准确性；(2)在词语粗分的基础上，利用常用人名库辅助人名识别过程；为避免人名匹配所需的大规模时间和空间消耗，本文采用Trie结构对人名进行线性重组，实现快速检索匹配，并提高人名识别的准确率和召回率；(3)实现对入名及其简称进行对应关系发现的功能。即通过设立若干规则，对建立此种关系进行了初步尝试。用于今后合并同一人物的不同称谓，为挖掘人物行为及关系莫定基础。