步入5G通信时代,如何在走向万物互联所产生的海量数据中抽取出关键的信息,成为了自然语言处理技术中的一个研究热点。命名实体识别技术其目的是从非结构化的文本中识别出特定的专有名词,是作为关系抽取、信息检索等众多下游任务的基础工作,在自然语言处理中发挥着重要作用。同时,随着计算机算力的提升、各种新型算法的出现与优化,推进了人工智能技术的高速发展。其中,部分深度学习模型在命名实体识别任务中取得了优异的性能,成为了该领域的主流算法。壮语作为我国最大少数民族——壮族的语言,承载着壮族人民智慧的结晶。但调研发现,壮语的智能信息处理技术发展落后于英语和汉语等语言。因此,使用自然语言处理技术推动壮语的信息化发展是大势所趋。其中,壮语命名实体识别作为壮语信息化发展中的一项关键技术,具有极高的研究意义和应用前景。但前期的调研显示,目前壮语在命名实体识别领域还缺乏相关研究工作。因此,本文结合深度学习和机器学习的优点,开展了壮语命名实体识别相关技术的研究,主要的研究工作和贡献如下:1.由于目前壮语在命名实体识别领域缺乏相关标注数据集,所以本文从《广西民族报》和《三月三》期刊上收集壮语新闻等文本语料,并进行清洗和标注工作。根据目前壮语的发展现状和命名实体识别任务的特点,构建了一个适合用于壮语命名实体识别研究的标注数据集。2.基于壮语命名实体识别任务,构建了一个同时结合了深度学习和机器学习优点的Bi LSTM-CNN-CRF模型。该模型能够同时捕捉到壮语字符和词语之间的特征信息,并结合条件随机场进行联合解码,以提升识别效果。在基于本文构建的壮语命名实体识别标注数据集的实验中,其性能优于其它对比模型,适用于壮语命名实体识别任务。3.根据壮语命名实体边界的特点,提出了结合壮语词首字母大写特征的F-Bi LSTMCNN-CRF模型,实验结果的F1值较Bi LSTM-CNN-CRF模型提升了2.27%,达到了80.37%。这表明,加入壮语词首字母大写的特征能有效的提升模型的性能。4.最后,为了让本文提出的算法模型与实际应用相结合,设计了一个在线壮语命名实体识别系统。该系统提供了一个可视化的操作界面,可以对输入的壮语文本进行实时的命名实体识别,充分发挥了其应用价值,为后续进行壮语的文本分析、信息检索等相关研究工作奠定基础。