在信息爆炸的大数据时代,如何从庞杂的数据中获取简单有效的信息显得日益重要。命名实体识别是在文本中定位和分类专有名词(例如人名、地名等)的手段。在中文领域,这类命名实体发挥着巨大的作用,因而将其更好的发现与提取是一项有意义的工作。文本数据具有上下文依赖关系,本文将数据作为随机变量的集合,挖掘随机变量中实体与其他信息的概率依赖关系。考虑到命名实体识别任务的特殊性,我们从依存句法分析和子序列分割入手,提出了对其算法的改进,本文主要工作如下:(1)提出了融合依存句法信息的神经网络结构以识别命名实体,通过单向信息的传递,得到与双向信息传递可以匹敌的效果。该方法考虑到将依存句法分析获得的句子中与物理位置无关的信息之间的语义关系作为特征以提高命名实体识别性能。提出将基于词语级别的依存句法分析转化为基于字符的依存句法信息,以获得更多的额外信息并减少错误的依存句法分析结果带来的影响。并引入树状长短期记忆神经网络,挖掘以依存句法分析表示的树状序列信息。(2)提出了神经网络与半马尔科夫条件随机场结合的命名实体识别方法,该方法将序列看成是一个个子序列的集合,并将子序列作为一个整体进行标记,解决了条件随机场中存在局部依赖的问题,从而使得最终的识别性能有所提高。