近些年来随着自然语言处理任务的不断进步和知识图谱、信息检索等研究领域的兴起,中文自然语言处理任务作为一项基础性研究取得了快速的发展,但在古文领域的研究却极少。我国的古文是中国所特有的文体,记载了古代大量的信息,研究古文对研究中国的历史文化具有重大意义。古文命名实体识别可从古文文本中提取出大量的实体信息,帮助研究者们快速掌握古文知识,具有重要研究意义。《三国演义》是我国第一部以农民起义为题材的长篇章回体小说,反映了三国时代各类社会斗争和矛盾的转化,是迄今为止这类题材小说中艺术成就最高的一部。《红楼梦》以恋爱、婚姻悲剧为内容展开,深刻反映了我国封建社会末期的社会现实,批判了腐朽的封建统治阶级,是中国古典小说的巅峰之作,中国封建社会的百科全书。本文选取《三国演义》和《红楼梦》作为语料文本进行人工标注工作,构建了古文命名实体识别数据集,进行了如下命名实体识别工作:在实体识别方面,我们对在标准中文NER数据集上表现良好的latticeCRF模型做了改进,提出了latticeLAN模型。该模型将CRF模块替换成基于注意力机制的LAN模型,能够很好的融合文本的标签信息,经过古文数据集和中文NER标准数据集上的实验和分析,它可在更短的时间内快速准确的识别出文本中的实体。为了进一步探索命名实体识别对下游任务的影响,我们对古文文本进行了实体链接任务的探索。实体链接是将识别出来的实体对应到知识库中的实体,是关系抽取、知识图谱等任务的基础。我们从NER标注的实体中随机选取了131个实体构建了知识库,并选取了部分包含了实体的文本做了实体链接标注工作。我们在实体识别和链接联合训练模型上做了改进,验证了我们提出的LatticeLAN模型能够对下游任务提供更多的实体信息,提高实体识别和链接系统的整体性能。