近年来随着信息时代的到来,互联网社交媒体经历了快速发展,在此过程中网络上的信息出现了指数级的急速增长,文本信息是其中相当重要的组成部分,命名实体识别是构建对话机器人、自动摘要等高级自然语言处理应用的基础任务。命名实体识别的研究推动了自然语言处理技术走向实用化。大部分研究都集中在非嵌套命名实体,而忽视嵌套命名实体,导致大量的信息丢失,特别是在地名、机构名和生物医药类词语较多的文本中含有大量复杂的嵌套命名实体。嵌套命名实体的识别可以得到大量层次更丰富的结构化信息,提升信息提取的质量和数量。本文围绕嵌套命名实体识别的深度学习方法进行了深入的探究分析,主要的工作内容和取得的阶段成果如下:(1)构建了基于BiLSTM-CRF的融入实体知识的命名实体识别模型基线系统,并对模型融入实体知识的作用进行研究,分析了对于嵌套命名实体识别所需要的改进。(2)在注意力机器阅读理解模型的基础,构建了基于注意力机制的实体查询嵌套命名实体识别算法模型,设计了指针位置的实体表示方法,在公开的嵌套命名实体数据集上取得较好的表现。通过消融实验分析模型发挥作用的主要组成部分。(3)对使用BERT预训练模型在机器阅读理解任务的应用进行分析,构建了基于预训练机器阅读理解的命名实体识别模型,对预测层进行优化,不需要对不同数据集进行适配,将平铺命名实体识别与嵌套命名实体统一,在公开的数据集上取得较好的表现。