随着微博类自媒体的兴起,针对微博的研究开始受到关注,如何利用微博文本获取有价值的信息,这是大多数研究者的兴趣所在。传统文本的自然语言处理已处于一个很成熟的阶段,但基于微博文本的自然语言处理工作才刚刚起步。本文面向中文微博文本的命名实体识别展开研究。本文首先使用传统的机器学习方法如隐马尔可夫和条件随机场,然而实验效果较差,不能完全照搬。在总结了传统机器学习方法在微博文本的局限性基础上,提出了深度学习的方法来完成命名实体识别工作,主要包括以下几个方面:第一,提出一个微博文本规范化模型。根据微博文本与传统文本的差异性,本文构建相关的系统进行文本的规范化处理,为进一步的识别工作做准备。第二,提出一个卷积上下文窗口模型应用于全新的微博文本领域。考虑到机器学习的局限性,以及在微博文本中人工选取特征的困难程度。首先,本文将以往主要用于图像处理的卷积神经网络应用于微博文本数据;其次,进一步改进了传统卷积神经网络结构,加入了更加有效的RELU激励函数,防止过拟合的Dropout操作,有效构建了一个泛化性能较好的模型。与传统的机器学习方法相比较,卷积上下文窗口模型在微博文本方面有了较好的表现。第三,提出一个混合模型应用于中文微博文本的命名实体识别研究方面。结合递归神经网络和卷积神经网络的特点,对之前提出的卷积上下文窗口模型进一步优化,在抽取词的上文特征方面,利用递归神经网络的优势,在特征的筛选方面利用卷积神经网络的优势,模型的实验结果证明本文的混合模型具有较大优势。