随着我国公共服务行业的不断发展,自然语言文本信息呈指数级增长。命名实体识别是自然语言处理研究中的一项重要子任务,是学术界和工业界研究的重点,命名实体识别是指从自然语言文本中识别出具有特定意义的实体词。在新闻、微博等开放领域命名实体识别技术取得了较好的成果,但是针对特定的旅游、体育领域中文命名实体识别方法研究还存在着一些不足之处。目前,随着深度学习技术的快速发展,基于神经网络的层级命名实体识别方法在命名实体识别任务上取得的了显著成效,但是仍有众多问题有待探讨。本文首先学习研究混合式神经网络的命名实体识别相关的理论知识,随后学习与研究过程中对特定领域名命名实体识别总结以下问题并进行研究:(1)基于词向量表示的命名实体识别方法,忽略了汉字的字符语义信息、字符之间的位置信息,未能充分考虑字符和单词之间的依赖关系。本文使用基于单词-字符引导注意力网络(Word-Character Guide Attention Networks,WCGAN)的中文旅游命名实体识别方法,解决了汉字的字符语义信息、字符之间的位置信息,以及字符和单词之间的依赖关系的有效表示问题。进一步突出了单词和字符之间的关联性;使两者共同表示旅游文本中的命名实体,实现信息互补,并利用局部差异来识别命名实体。在Resume NER和Tourism NER两个基准数据集上的实验结果表明,WCGAN方法的F值分别为93.49%和92.86%。(2)传统的命名体的识别方法,不仅忽略了命名实体之间的相关性,同时也丢失了文本中命名实体之间的层级结构信息。因此,为解决该问题,结合自注意力机制模型,研究了一种基于字符图卷积神经网络的命名实体识别方法。首先,通过字符图卷积神经网络提取体育文本中命名实体的字符特征,以及实体的内部结构信息;其次,借助自注意力机制模型进一步捕获体育文本的层级语义信息,以增强命名实体之间的相关性;最后,利用Soft Max分类函数实现命名实体的准确识别。实验结果表明,相比于传统的命名体识别方法,该模型F值达到了92.51%。