命名实体识别是自然语言处理的一项基础任务,目的在于识别文本中的命名实体。不同于英文文本中每个单词都被空格隔开,中文文本的字符序列是连续的。因此,中文命名实体识别任务一般分为两类:字符级模型与词级别模型。大部分研究工作都集中在字符级模型,即把命名实体识别看作字符序列标注任务。但是,在我们的研究中发现,字符表征往往无法充分利用词级别的信息,来判断命名实体。为了解决这个问题,本篇论文做出以下工作:1.在传统中文表征的基础上,提出一种新的中文表征方法——在字符级信息中充分结合词信息应用在中文命名实体识别任务上。对于字级别信息的充分表征,对词级别语义信息的充分利用,相比于仅仅字符级模型,新的模型在中文命名实体识别上的效果得到明显提高。2.提出一种基于片段搜索的命名实体识别模型。该模型区别于字符模型与词模型,可以利用词的信息而不受分词误差的困扰。模型从片段的整体表征出发,充分利用实体边界特征信息以及实体内部特征信息,以提升模型识别实体的能力。3.提出一种基于字符模型与片段模型的融合模型。以片段级模型为基础框架,将字符级表示融入到片段级表示之中。通过对两种中文表征方式的结合,新的模型能够提取出复杂且具有代表性的特征,以用在中文命名实体识别任务中。实验证明,融合模型的性能要好于字符模型与片段模型。