命名实体识别（Named Entity Recognition,NER）是一种将海量的非结构化文本数据转化为结构化文本数据的过程。近年来随着互联网的快速发展,互联网积累了越来越多重要的文本信息,这些重要的数据对大数据挖掘、大数据分析具有较重要的作用。目前,对于复杂的中文句子,大多数的中文命名实体识别（Chinese Named Entity Recognition,CNER）模型只考虑从分词或字符的部分特征去捕获句子的语义信息,而没有从多个角度、多个维度整合句子的语义信息,导致模型没有充分挖掘文本自身蕴含的语义特征,从而影响模型识别的准确率。针对这些问题,本文提出了一种基于多视图语义特征融合的中文命名实体识别方法,同时设计并实现了基于多视图语义特征融合的中文命名实体识别系统。本文具体的研究工作如下。（1）分析了中文命名实体识别的工作原理以及难点与挑战,解析了中文命名实体识别的序列标签体系、评测标准,并对中文命名实体别方法进行分类讨论。同时,剖析了几种典型的开源中文命名实体识别工具,并提出了其存在的问题。（2）提出了一种多视图语义特征融合模型,用于中文命名实体识别。在嵌入表示层构建多视图语义特征融合嵌入模块,将字符特征、词边界特征、偏旁部首特征和拼音特征融合。该模块可以从多个角度捕获基于字符的信息,有效地解决大多数的CNER模型只考虑从分词或字符的部分特征去捕获句子信息,而忽略了模型从多个角度对句子语义信息整合的问题。在网络编码层和标签解码层之间嵌入多头自注意力机制字间信息获取模块,从不同维度的子空间中捕获文本自身蕴含的上下文信息,以更好地理解和挖掘文本自身蕴含的语义特征。在四个公开数据集上的实验表明,基于多视图语义特征融合的中文命名实体识别方法可以提高CNER模型识别的准确率。此外,本文提出的方法可以满足CNER模型,丰富字符层面的语义特征和句子层面的句中关系等需求,以避免CNER模型因获取特征不充分,而影响模型整体的识别性能。（3）设计并实现了基于多视图语义特征融合的CNER系统。该系统可以通过港航大数据云计算平台提供的真实数据,完成用户登录、数据获取、数据处理、模型训练、结构化数据展示、反馈意见功能模块的实现和系统界面的展示。系统测试结果表明,本文构建的系统在实际场景应用中,有效地提高了中文命名实体识别的准确性。