在词汇级的中文语言处理中，存在两个基本的问题：其一是汉语自动分词，其二是中文命名实体识别。通常的系统都把这两个任务分开处理，也就是不同任务使用不同的处理策略或两个任务按时间顺序先后被处理。我们认为这两个问题从本质上说并不是独立的，完全可以在一个系统里同时将其解决。在本文中，我们提出了一个统一的方法来实现汉语自动分词和中文命名实体识别。 统计语言模型已经成功地应用到很多的领域，例如语音识别领域、信息抽取领域和口语理解领域。特别是三元语言模型在这些领域已被证实是相当有效的。在本文中，我们提出了一种统一的统计语言模型方法用来汉语自动分词和中文命名实体识别，这种方法对基于词的三元语言模型进行了很好的扩展。 本文旨在使用一个统一的方法解决两个基本的自然语言处理问题：其一是汉语自动分词，其二是中文命名实体识别。我们提出了一种基于类的语言模型的方法，这种方法对于类的定义主要集中在六类：中国人名和外国人名，中国地名和外国地名，中国组织机构名和外国组织机构名。基于类的语言模型包括两个独立的子模型：(1)一系列的命名实体语言模型，每个命名实体语言模型估计在给定类的情况下字符串的生成概率；(2)语境模型，语境模型估计类序列的生成概率。因此，我们所提出的基于类的语言模型提供了一个统计的框架来统一处理汉语自动分词和中文命名实体识别。初步的结果表明这种方法在与其它的已经发表的基于机器学习的方法比较时是具有竞争力的。通过对北京大学2000年全年的标注语料的训练，汉语分词的准确率、召回率分别为96.0％和96.4％；人名、地名、机构名的准确率分别为88.79％，83.20％，85.67％；人名、地名、机构名的召回率分别为90.13％，89.21％，80.13％。我们使用本系统参加了第二届SIGHAN的竞测，取得了很好的名次。