嵌套命名实体识别是自然语言处理中的重点、难点任务,该任务性能的提高能带动下游一系列任务性能的提升,具有较高的应用价值和社会价值。随着深度学习的发展,近几年涌现了许多基于深度学习的嵌套命名实体识别的方法,进一步提升了嵌套命名实体识别的性能。然而现有的方法都忽略了句法信息与嵌套命名实体识别的联系,对句法信息的重视不够。此外由于嵌套命名实体识别任务的特殊性,往往需要设计复杂的模型来解决,导致模型的可解释性下降。因此本文研究集成句法信息的嵌套命名实体识别方法,充分利用句法信息,用以提高嵌套实体识别性能,并提高模型的可解释性。研究的主要内容包含以下:（1）针对句子短语结构和嵌套实体结构高度重合的特点,提出了一种基于短语扩展的嵌套命名实体识别方法。该方法通过图神经网络将依存句法信息融合到词的向量表示中,然后利用Tree-LSTM建模短语句法信息,将所有短语结构经过边界回归后扩展为候选嵌套命名实体,最后对其进行分类。实验表明,集成句法信息对嵌套命名实体识别是有一定帮助的,通过短语扩展集成短语句法信息之后,模型性能得到有效提升。（2）针对神经网络建模句法信息存在差错的问题,提出了基于注意力机制集成句法信息的嵌套命名实体识别方法。该方法制定相关规则准确提取句法信息,并通过注意力机制分别将短语句法和依存句法集成到模型中,使模型获取关键的句法信息,加强句法信息与嵌套实体识别的联系,增强模型的可解释性。实验表明,在ACE2005和GENIA语料库上,基于注意力机制集成句法信息的嵌套命名实体识别方法,取得了比对比方法更好的识别效果,进一步提高了嵌套命名实体识别的性能。