命名实体识别是自然语言处理的一项基础任务,如何准确地识别命名实体至关重要。当前,英文命名实体识别已取得较大进展。与英文相比,中文语法结构、语义复杂且词与词之间没有明显分界,实体识别较为困难。对此,本文以中文命名实体识别为课题,进行深入研究。根据模型嵌入向量的不同,中文命名实体识别方法分为字级嵌入和词级嵌入。词级嵌入方法对分词有较强依赖且存在严重的分词错误问题。字级嵌入方法虽避免了分词错误,但仅将字向量嵌入模型,缺少了词边界以及词义信息,识别效果有待提升;其次,当文本中存在未登录词、无关词时,模型学习不充分,往往造成实体识别错误,使识别算法性能下降。除此之外语料中还存在模糊词,即该词为实体且该实体对应多个实体类型或实体的内部包含一个或多个其他实体。该类词在实体识别的过程中,实体边界及类型难以确定,识别较为困难。针对以上问题,本文提出了基于特征增强的中文命名实体识别方法。从模型嵌入、注意力机制以及实体标签入手,以如何利用相关语料获取先验知识为中心,实现特征增强进而提高实体识别的准确率。本文主要研究内容概括如下:（1）提出融合词信息的注意力自适应（Attention Adaptive Model with Word Information,AAMWI）命名实体识别模型。该模型将语句的字嵌入向量与词信息嵌入向量融合作为模型输入,通过增加词级信息实现特征增强;在编码层中设计了自适应分布选择（Adaptive Distribution Selection,ADS）的注意力机制,通过引入动态缩放因子,根据隐层输出自适应的调整相关实体和无关词的注意力分布,一定程度上减轻了无关词对模型的干扰,提高了命名实体识别的性能。（2）提出基于互信息和邻接熵的新词发现方法构建领域词典,在此基础上生成词信息标记向量,以获取字符在相关词中的位置信息,进而构成语句的词信息嵌入矩阵。该方法在原始语料中逐字扩展,利用互信息、邻接熵以及共现矩阵筛选新词,实现了基于规则和基于统计方法的结合,相比N-Gram算法,识别的新词未出现较多重复词串,取得令人满意的效果。（3）提出融合先验知识的增强特征嵌入（Enhanced Feature Embedding with Prior Knowledge,EFe PK）命名实体识别模型。该模型将先验知识嵌入向量与浅层嵌入向量融合作为增强特征嵌入,通过字词级联合分布反映实体特征进而实现特征增强,在避免分词错误的同时,一定程度上也缓解了未登录词给模型带来的影响;其次,设计了标签合并的CRF解码层,将模糊词的标签归并,通过CRF完成序列标注任务,增强了模型对模糊词的预测能力。（4）设计了语句的先验知识嵌入矩阵。首先,将与输入语句相关的语料遍历获得字频向量和有序共现矩阵,在此基础上进一步构建输入语句的潜在实体标记向量和有序互信息,进而获得语句的先验知识嵌入矩阵。该矩阵包含相关语料的先验知识,体现了字符在潜在实体中不同的分布概率以及语法结构和上下文信息,增强了字符的实体边界特征,使得模型在训练过程中,更易捕获词边界,在一定程度上提升了模型的泛化能力,对未登录词较多、文本不规范语料具有较好识别效果。本文方法在Resume、MSRA等经济、新闻类数据集以及文本不规范、未登录词较多的Weibo、Novel数据集上进行实验。相比其他模型,AAMWI和EFe PK模型实体识别的准确率得到较大提升。其中AAMWI模型通过ADS注意力机制减少了无关词的干扰,更好的提取了字、词的融合特征,在经济、新闻类数据集中获得令人满意的效果。而EFe PK模型通过融合先验知识的增强特征嵌入和标签合并的CRF解码层,使得实体边界特征更加显著,对未登录词较多、文体不规范、语意模糊的数据集具有明显优势。