命名实体识别是自然处理领域中的基础任务之一。命名实体识别准确率的提高对于信息检索,自动问答,关系抽取有很大的帮助。近年来随着各行各业大量数据的产生,对命名实体识别系统的准确性和适用性都提出了新的要求。本文的主要工作如下:(1)研究了基于统计学进行命名实体识别的原理,指出了统计学方法的缺陷和不足,并研究了使用深度学习进行命名实体识别的最新方法。(2)在深度学习的基础上,研究了现有的词向量进行命名实体识别时的缺陷和不足,改进了现有词向量的训练方法,提出了加权词向量。(3)分析了现有的深度学习框架进行命名实体识别时存在的问题,并提出了改进的框架。研究了命名实体识别在多领域效果中精度不高的原因,提出了基于语义分析和神经网络的命名实体识别框架;研究了命名实体识别与机器翻译的相似性,提出了以机器翻译的方式解决命名实体识别问题,改进了机器翻译的模型,并将改进的模型应用在命名实体识别问题中,取得了不错的效果。(4)最后,设计实验验证了提出了新框架的有效性并介绍了命名实体识别在智能问答系统中的应用。