Nos processos industriais, o reconhecimento preciso de entidades nomeadas (NER) em chinês é fundamental para aplicações como extração de informação, construção de grafos de conhecimento e tomada de decisão inteligente. No entanto, problemas como limites difusos das entidades, sobreposição semântica e falta de dados anotados limitam significativamente seu desempenho. Para enfrentar esses desafios, este artigo propõe uma estrutura de NER em chinês guiada por dicionário de domínio chamada DDiNER. Essa estrutura integra um dicionário industrial hierárquico com um modelo de representação codificadora bidirecional por meio de um adaptador de dicionário hierárquico, e combina redes neurais bidirecionais de memória de curto e longo prazo com campos aleatórios condicionais para realizar a fusão de características multinível. Os resultados experimentais mostram que o DDiNER alcança um desempenho excelente, com precisão média, recall e valor F1 de 95,75%, 95,73% e 95,74%, respectivamente, superando significativamente os métodos tradicionais. A validação em um conjunto de dados independente confirma que o modelo possui boa robustez e capacidade de generalização para reconhecer entidades não registradas e entidades de cauda longa. Este estudo oferece uma solução eficiente e escalável para o NER chinês no domínio industrial, com potencial significativo para aplicações inteligentes posteriores.

reconhecimento de entidades nomeadas; indústria de processos; dicionário de domínio; adaptador de dicionário hierárquico