命名实体识别是自然语言处理中的基础性任务之一。由于自然语言的特性,文本中存在大量嵌套命名实体。传统方法使用序列标注方法识别命名实体,无法识别嵌套结构的实体。针对嵌套命名实体识别,相关研究提出了基于跨度和超图等模型。这些方法能解决嵌套实体识别问题,但存在不能充分感知实体边界、无法编码实体边界和上下文的语义依赖特征等问题。基于认知神经科学中控制注意力的思想,本文提出了基于控制注意力的嵌套命名实体识别方法。研究工作可以分为以下两个部分:（1）提出基于控制注意力标签的嵌套命名实体识别方法。在认知神经科学中,控制注意力被定义为将注意力引导到刺激场特定位置的能力。相关研究表明,专注于一个刺激能提高处理目标的效率。受控制注意力启发,本文使用控制注意力标签来区分不同的命名实体。该方法首先生成控制注意力标签（实体边界信息）以及候选跨度。然后将控制注意力标签嵌入原句中,以标识候选跨度的位置。最后对带有控制注意力标签的句子进行分类。（2）提出基于控制注意力标签回归的嵌套命名实体识别方法。该方法使用回归操作预测候选实体相对于真实实体的位置偏移,能在训练过程中动态调整控制注意力标签在句子中的位置。认知神经科学的相关研究也表明,认知过程是非常复杂的,定位到刺激源是一步步接近的过程。本文在基于控制注意力标签模型的基础之上,提出基于控制注意力标签回归的模型,并采取了迭代回归的方式,即更新控制注意力标签位置后继续回归,直至迭代结束。控制注意力标签不仅可以解决嵌套实体的表示以及丢失全局语义关系等问题,还可以编码候选跨度与上下文的语义结构依赖信息。另外,对于与真实实体重合度较高的候选跨度,迭代回归控制注意力标签可以有效地将候选跨度动态调整到真实实体的位置,更进一步真实模拟人类认知过程。通过在公共数据集上进行验证,基于控制注意力的嵌套命名实体识别方法在中英文数据集上都有明显的性能优势。