随着我国国力日益强大与一带一路倡议的发展,中国与老挝在经济文化交流上关系日益密切,为了进一步发展,语言上的了解也是必不可少的。目前关于老挝语的研究在我国还比较薄弱,其中命名实体的识别是老挝语自然语言处理种一项基础任务,能够提升信息检索、机器翻译、文本摘要等任务的性能。命名实体识别的研究主要包括对人名、地名和机构名的识别,相对于人名和地名,机构名称的识别相对而言比较复杂。目前,针对老挝语的研究还比较少,老挝语标注语料也比较稀缺。为了解决老挝机构名实体构词方法和语法规则复杂的问题,本文提出了对应的解决方法。本文主要对老挝语机构名识别方法进行研究。主要工作如下:(1)融合多特征的老挝机构名实体识别方法针对老挝语机构名构词相对复杂并且存在大量的词语歧义特点,我们需要解决结构性歧义与词义歧义的问题,因此本文提出了融合多特征的老挝机构名实体识别方法。该方法面向老挝语机构名构词特点,使用支持向量机模型融合词典特征,对老挝机构名前缀进行识别;再使用融合多特征的条件随机场模型对机构名进行识别;最后根据前缀词的识别结果对机构名识别结果进行修正,实现结果表明,系统能够有效识别老挝语机构名。(2)融合字符特征向量和语言模型的老挝语机构名实体识别方法针对特征构造所需人工成本高、所需时间长的问题,本文采用了融合老挝语机构名字符特征向量信息和上下文特征的深度神经网络模型。该模型能够结合老挝语机构名的构词特点,从大规模语料中学习到词素向量,再输入到神经网络模型中,该模型可以学习机构名的上下文特征与字符、语言模型等不同层面的知识,最后融合条件随机场对标注序列进行联合解码,该方法能够学习到词语间的语义关系和标记间的依赖关系,实现结果表明,该方法能够有效改善识别准确率,帮助系统提升性能。(3)采用Transformer-CRF的老挝语机构名实体识别方法由于传统的循环神经网络模型无法处理长度较大的句子,并且无法并行,效率低下,本文提出一种基于Transformer与CRF相结合的方法来构建识别框架,该框架的编码器与解码器使用注意力机制为核心,为了解决Transformer不能利用标签之间的依赖关系的问题,使用条件随机场来做标注任务,使整个框架更加注重整个句子长远信息,同时Transformer模型不仅能够提高并行效率,同时还能获得更好的学习效果,提升系统的性能。