命名实体识别是自然语言处理中的经典问题,其任务是识别文本中的人名、地名、机构名、专有名词等具有特定意义的实体。维吾尔文命名实体识别具有独特的词法、语言特点,直接套用英语和汉语的方法并不合适。目前,还没有公开的维吾尔语命名实体标注语料。本文通过人工标注构建维吾尔文命名实体标注语料库。在深入分析维吾尔文命名实体语法和语义特征的基础上,鉴于条件随机场在序列标注任务中的优异表现,首先使用条件随机场模型对维吾尔语命名实体识别相关问题进行研究。在特征模板的设计上,使用词、音节、词性标注、分布式向量表示等不同特征,分析了它们对命名实体识别的影响。其次,使用神经网络的方法对维吾尔语命名实体识别进一步研究,利用字符向量、音节向量等表示方法,有效提高了系统性能。最后将命名实体识别的成果与机器翻译技术相结合,提出了基于词向量的双语命名实体等价对自动抽取方法。工作包括:1、维吾尔语命名实体标注语料库构建:利用现有的双语资源和中文命名实体识别的研究成果,构建了维吾尔语命名实体标注语料库,包括人名标注语料库,地名标注语料库,机构名标注语料库以及人名、地名、机构名一体化标注的综合语料库,填补了目前缺乏维吾尔语标注的综合语料库的空白,并公开。为维吾尔语自然语言处理的研究提供了公开的数据资源。2、维吾尔语词性标注中,提出了将字符嵌入、词嵌入与音节特征、后缀特征等易于获取的人工特征相结合的方法,进一步提高了标注性能。将神经网络方法应用到维吾尔语词性标注,利用双向长短期神经网络（BI-LSTM-CRF）对维吾尔语词性标注进行研究,构建了维吾尔语词性标注系统,其效果超过了全部已知文献中的方法。3、针对基于条件随机场（CRFs）与无监督特征提取的维吾尔语命名实体识别任务,提出了一种音节特征和基于词向量的相似词特征提取方法,并用此种方法构造特征,提高维吾尔文的命名实体识别效果。本文提出的音节特征几乎可以代替词干、词缀特征使用,从大规模的未标注数据集中获取词的语义信息,几乎达到了和词法特征相当的水平,部分标注任务中甚至超过了词法、词典等特征的水平;用此种方法构造特征,可以大大降低人工选取特征的代价,同时能提高维吾尔文的命名实体识别性能。4、根据维吾尔语命名实体中音译命名实体较多及其音节相对特殊等特点,提出了音节嵌入（Syllable-Embedding）的BI-LSTM-CRF模型。使用基于神经网络的方法对维吾尔语命名实体识别进行了全面研究,验证了基于音节的词语表示方法及其在命名实体识别中的有效性。研究了深度学习方法中的不同词语表示对维吾尔语命名实体识别中的影响;较好的解决了维吾尔语命名实体识别上的数据稀疏、未登录词以及人工构造特征费时费力的不足。5、基于双语词向量及命名实体识别的命名实体翻译等价对抽取方法:在维吾尔语命名实体识别成果的基础上,提出了基于词向量的双语命名实体等价对抽取方法。对双语对齐句子分别进行命名实体识别,然后将双语句子合并到一起,训练双语词向量,最后根据词向量相似度抽取实体翻译等价对。6、在综合本文中取得的研究成果的基础上,构建了服务于维吾尔语自然语言处理的网络服务平台。主要提供的服务包括基于统计/神经网络的维吾尔语词性标注（加工深度可以分别选择15,25,64个标记集标注）和命名实体识别;维吾尔语分句、分词、分音节处理等。