随着我国老龄化的愈发严重,老人的日常护理需求越来越多,尤其是患病后的护理。但不同情况下的老人所需的护理方法不同,某些细致的护理方法并非所有人都了解。虽然常见疾病一般都有相关的护理指南等文献资料,但当老人患有多种疾病时,就需要查阅大量的护理指南,十分费时。且有时要根据老人的实际情况,来制定专门的方案,这些特定的方案往往写在老人的病历或体检报告中,不易统计。如果能够自动地从这些自然语言文本中抽取命名实体,就能够快速、准确获得老人所需的护理措施。因此,本文研究了从自然语言文本中获取护理领域命名实体的方法,来实现老人所需护理措施的自动获取。本文主要工作如下:1)提出了一种基于条件随机场的命名实体抽取方法。为收集到的护理领域文献添加实体标签后,加入外部特征,使用条件随机场模型进行命名实体抽取。为了消除模型训练时冗余特征模板过多造成的负面影响,使用遗传算法对特征模板进行了优化,提高了命名实体抽取的准确率。最终,实体抽取的准确率达到80%。2)提出了一种基于Bi-LSTM与条件随机场相结合的命名实体抽取方法。将护理领域文献转化为字向量,再通过神经网络对句子特征进行计算,最后使用条件随机场进行实体标注。为了提高实体抽取的准确率,使用遗传算法对神经网络训练时所需的各类参数进行优化,使模型更适合文献的结构。最终,实体抽取的精确率达到85.2%,较直接进行抽取提高了3%。