在汉语中,句子由连续的汉字组成,中文分词完成句子从有字的序列转化为词的序列的任务。传统的机械分词方法基于人工维护的辞典,需要大量的维护成本。本文提出一种基于统计学习的分词方法,以期在最小人工干预的条件下达到尽可能高的分词性能。本文首先对中文分词技术做了概述。指出了当前中文分词领域中存在的一些难点问题,并对常见的分词理论和技术进行了回顾,为论文的研究奠定了理论基础。第三章详细描述了本文提出的基于统计学习的分词方法。该方法在传统的统计方法基础上做了亮点改进：1、引入了基于对数似然比的汉字间关联度描述,并与逐点互信息和信息熵相结合,提出了一种混合汉字间关联度度量方法；2、将常用的二元语法扩展为三元语法,提出了一种性能优化的三元语法获取和使用方法。根据不同自然语言处理应用对分词的需求并不相同这一基本事实,本文第四章中提出了一种面向应用的分词架构,将基于统计学习的分词方法用于未登录词识别和分词粒度调整。面向应用的分词方法有效弥补了未登录词造成的损失,还可以根据不同应用的需求,切分出不同粒度的分词结果。最后对系统进行了实验及结果分析。最后对本文的工作做了分析总结,分析了系统的优势和不足,提出了下一步工作的方向。