深度学习是近年来受关注较多的机器学习方法,它利用了人脑的层次化思考方式,通过多层网络学习的方式来对数据进行抽象和学习,并通过一系列的改进和研究使得多层的神经网络能够有效得到训练,其中的卷积神经网络、循环神经网络等在许多领域如文本生成、语音合成、人脸识别、行为识别等各类任务中取得了很好的效果。伴随着居民生活水平的提高,人们开始提高了对自身健康和相关疾病的关注,同时互联网在国内的快速和兴起,关于健康方面的资讯和文献资料开始在互联网上涌现,为人们提供了更多的信息来源和渠道。然而这些在线健康文献以自由文本的方式存在,对其进行命名实体识别是一项有效挖掘后续信息的方法。本文针对其中的与人们日常生活关系最为紧密的食材名进行命名实体识别。本文的主要工作包括:1.整理并分析了中英文领域实体识别的相关工作,指出了中文实体识别的相关困难;2.分析并对比了传统识别方法与深度学习方法的异同,指出了传统方法面临的困难与不足及深度学习方法能够带来的改进;3.针对当前没有相关语料库的情况,利用网络爬虫等手段构建了相关的实体识别语料库及标注数据;4.通过实验对比了不同循环神经网络的性能水平;5.利用当前性能水平较好的卷积神经网络、循环神经网络等,在前人的基础上改进了相关的深度模型,并取得了更好的效果。