随着互联网在工作生活用中的普及与发展,各行的工作流程逐渐从数字时代进入了信息共享时代,也因此得到了越来越多的效率提升。目前,信息共享已经成为了提高工作效率的重要渠道,也是智能化生活中不可缺少的环节之一。在医疗卫生领域中,由于缺乏一些与专业学科相关的预备工作,导致了其中如电子病例等非结构化文本档案中蕴含的信息难以得到充分利用,影响了相关工作的效率。为了在专有领域文档中识别有效内容,以及检索关键信息以提高文档信息的可用性,本文从减少识别方法的预备工作与提高已有工作的利用率两个角度出发,提出了一种基于中文文本的专有领域命名实体识别方法。1)为了减少识别方法在领域应用前的预备工作,本文提出了基于简单标注集合的中文文本分词模型,该模型的核心内容是应用在条件随机场模型上的复杂特征函数。复杂函数在基本标记序列上可以进行更深层的特征提取,利用中文文本在行文与表达过程中特定的方式与规律,从训练样本中获取与语法规则更相关的信息,从而提高了样本集信息的利用率,也间接减少了训练样本的标注工作量。2)从提高已有工作利用率的角度出发,本文提出了基于依存关系的语义识别模型,该模型的原理是利用了词汇之间的依存关系,对句子中词汇之间的搭配情况进行概率拟合。利用这种拟合关系可以将其它领域的已有工作作为语义依存关系的框架,进而通过知识扩充的方式应用在专有领域的识别过程中。3)针对未登录命名实体难以识别的情况,本文利用了基于依存关系的语义模型,从语境关系的层次对实体进行识别,提高了识别模型对未登录词汇的处理能力。