本書在機器學習、自然語言處理等相關領域知識基礎上，研究語料庫構建方法，提出了基于最底層非終結節點抽取，基于中文chunklink自動抽取算法和基于人工標注的三種不同的中文組塊分析語料庫獲取方法；應用多種有指導的機器學習方法建立組塊分析模型，提升了分析系統的性能；提出基于語義類和詞類先驗知識的新特征，有效地避免了自動詞性標注帶來的級聯錯誤的問題；建立具有詞法分析和組塊分析功能的中文自然語言處理一體化模型，改進語言處理技術。本書還將自然語言處理技術應用到垃圾郵件過濾和問答式信息檢索中，提出了有效的應用方法，獲得了良好的應用效果。 本書可作為計算機科學與技術、語料庫語言學等相關學科專業高年級本科生和或研究生教材，也可供從事上述領域研究工作的學生、科研人員及工程技術人員等參考。