蒙古语词切分是蒙古语信息处理中的一个基础课题,具体内容是利用计算机自动识别出构成蒙古语词的词干与词缀。蒙古语的词干与词缀中包含大量的语法信息,利用这些信息有助于提高蒙古语机器翻译、信息抽取、信息检索等系统的性能。近年来,研究人员对蒙古语词切分做了初步的研究,并取得了一定的研究成果:基于规则和词典的词切分准确率达到了0.86,基于SKIP-N的统计方法的词切分准确率达到了0.939。总的来说蒙古语词切分的研究起步较晚、深入程度较浅,词切分准确率还不能满足实用的要求。本文阐述了蒙古语词切分的研究现状及研究意义,对比分析了现有的蒙古语词切分方法。现有的蒙古语词切分方法虽然在实现上有所不同,但都在很大程度上依赖于人工产生的切分规则集。本文的研究思路是基于蒙古语的语料库和统计语言学的方法,首次将蒙古语词切分作为一个序列标记问题来研究,而不依赖于人工的切分规则集。本文介绍了与序列标记问题相关的概率图模型理论,对比分析了几种常用的序列标记模型,指出条件随机场模型是一种能够表示交叠特征和消除了标记偏置问题的概率图模型。在分析蒙古语词构形特点的基础上,提出一种对词干及词缀采用不同标记的标记集。为了能够利用构词成分级的上下文信息,还提出了基于句子的训练模型。实验表明,本文提出的区分词干与词缀的标记集在词切分准确率等评价指标上均高于未区分词干与词缀的标记集。实验结果也表明利用构词成分级的上下文信息能够提高词切分准确率,基于词的训练模型的词切分准确率为0.988,基于句子的训练模型的词切分准确率为0.991。