命名实体识别是自然语言处理领域的重要研究内容之一,是多项自然语言处理任务的基础工作。本文针对蒙古文旅游领域命名实体识别中标注语料库缺乏、实体识别准确率低等问题进行了研究,构建了一个蒙古文旅游领域命名实体识别标注语料库,该语料库标注了84607个实体,包括人名、景点名等5大类、18小类。在此基础上,使用深度学习技术,对面向旅游领域的蒙古文命名实体识别展开研究,具体内容如下:针对多义词中向量表示不充分的问题,本文提出了一种基于MonBERT的蒙古文旅游领域命名实体识别方法。该方法根据蒙古文构词特点,预训练了一个随上下文语境动态变化的蒙古文向量化表示（MonBERT）,并将其作为神经网络实体识别模型的输入得到识别结果。实验结果表明,该方法在蒙古文旅游领域命名实体识别任务上取得了比传统Word2Vec静态词向量表示方法较优的效果,表明MonBERT向量化表示有助于提升实体识别效果。针对领域实体识别准确率低的问题,本文提出了一种融合多任务学习的蒙古文旅游领域命名实体识别方法。该方法利用多任务思想,将边界识别任务作为实体识别任务的附属子任务,通过学习边界特征辅助提升实体识别准确率。实验结果表明,边界信息可以较好的辅助提升实体识别性能。基于上述方法,本文搭建了一个蒙古文旅游领域命名实体识别原型系统与服务,实现了蒙古文旅游领域命名实体的识别。