近年来,随着“互联网金融”的热潮,越来越多的企业决策者迫切需要利用更先进的信息处理方式来对海量的互联网数据进行抽取和分析,以便做出更好的决策。在这些海量数据之中,法院的文书类数据由于其准确性和权威性成为企业获取高价值信息的首要来源。命名实体识别技术是企业进行实体语义分析,实体关系抽取等工作的基础。目前主流的命名实体识别技术只是将实体分为人名、地名、机构名等,这使得实体的类型缺乏语义。同时,进行实体分类时过多依赖于人工特征和外部数据,使其通用性和健壮性得不到保证。针对这些缺点,本文提出一种企业实体更细粒度的划分方式,并且使用文本本身的语义构建特征,最后进行企业实体的分类。本文的主要工作包括三个方面:(1)法院文书中实体词长短不一,构词方式多样的特点,给实体识别工作带来诸多困难。针对这种现状,本文设计了一种改进的条件随机场模型,使用词典规则和支持向量机预先对实体的边界进行判断,之后将得出的边界结果作为加强特征引入到条件随机场模型中进行命名实体的识别。实验结果表明,在人工标注的5000条数据集上能够很大提高识别的召回率。(2)目前主流的命名实体分类研究中实体类别较少,不能满足于实体关系抽取等应用的需要。针对这种现状,本文对采集的数据进行分析,将法律文书的企业实体细化为15个类型,并标注了 6891条数据样本。(3)现有实体分类模型中过多依赖人工特征和外部数据,使其分类模型不具有良好的通用性。针对这种现状,本文提出一种实体向量化语义表示方法,在人工标注的法院文书数据中进行分类实验,实验表明其具有良好的分类表现。