互联网社交平台已经成为人们进行沟通交流和信息传递的最主要渠道,每时每刻都会产生、传播海量的社交数据。如何更好地使用从这些社交文本数据中挖掘出有用的信息,从而辅助网络舆情监控、电子数据取证等重要的社会管理工作,逐渐成为自然语言处理领域的研究重点。命名实体识别是自然语言处理的重要研究方向,其识别效果将直接影响到下游信息抽取等任务。因此,对中文社交文本进行命名实体识别具有重要意义。在中文社交文本的命名实体识别任务上,主要存在以下问题:语料匮乏、文本规范性差、通用模型在该领域适用性差。针对这些现存问题,本文的主要工作如下:（1）针对语料匮乏以及通用领域模型在中文社交文本上识别性能较差的问题,本文构造出了涵盖多种实体类型的规范化命名实体识别数据集,并提出了一种基于多重卷积神经网络的命名实体识别模型。选取目前在通用命名实体识别任务上较为先进的IDCNN-CRF模型,针对其缺失局部语义信息问题,引入CNN进行局部语义信息的提取,通过注意力机制学习特征之间的相关性,并将其应用于中文社交文本命名实体识别任务。实验表明,在中文社交文本数据集上,本文所提模型具有良好的表现,满足了对于中文社交文本的识别要求,在公开测评数据集上的准确率相比目前较先进的模型也有了一定提升。（2）针对中文社交文本口语化严重、规范性差的问题,本文基于汉字的字形结构特点,构想一种融合部首特征和字特征的字嵌入方法。通过多个比较实验表明,与单一特征相比较,采用多特征融合方法进行字嵌入表示的命名实体识别模型,在中文社交文本数据集和公开测评数据集上的性能均得到了明显的改善。并将该方法应用于基于多重卷积神经网络的命名实体识别模型,实验对比显示,使用多特征融合方法的多重卷积神经网络模型相比单一特征的模型准确率有了显著提高,并且对部分识别结果较差的几类实体产生了有效的性能提升。（3）最后,本文基于前两章提出的命名实体识别算法模型,以非结构化的中文社交文本数据为对象,设计并开发出一个基于Flask框架的命名实体识别系统。本文对系统进行了明确的需求分析和功能解耦,给出了具体的命名实体识别功能细节,展示了系统最终实现效果,并且通过编写测试用例对系统的功能进行验证。