摘要： ［目的／意义］旨在为命名实体识别技术在竞争情报中的应用提供参考。［方法／过程］将基于深度学习的命名实体识别方法应用在竞争情报工作中，在构建BiLSTM-CRF神经网络模型的基础上，加入注意力层，帮助模型更好地聚焦局部特征。［结果／结论］实验结果表明,深度学习算法在竞争情报命名实体识别中是高效的，同时与单一CRF模型和传统LSTM+CRF模型进行实验对比，证明改进后的模型在识别效果上有很大提升。

关键词: font-size:10.5pt, ">竞争情报；命名实体识别；双向长短期记忆网络；条件随机场；注意力机制