特定领域中的实体结构和类别相比通用领域更加复杂多样,传统的命名实体识别方法难以取得理想效果。针对该问题,以财税领域为例,研究领域实体识别与标注问题,实现知识库的动态扩充。根据领域特征定义一组层次实体类别集,使用远程监督的方法获取训练语料。采用基于字、词特征结合的深度神经网络模型识别实体边界,将实体类别标注视为多标签多类别分类任务,并提出一种基于集成学习的方法以进行实体类别标注。在真实数据集上的实验结果表明,相比逻辑回归、支持向量机等方法,该方法的准确率、召回率及F值更高。