أنظمة التعرف على الكيانات المسماة الأكثر تقدماً تعتمد بشكل كبير على الخصائص المصنوعة يدوياً والمعرفة الخاصة بالحقل من أجل التعلم بكفاءة من المجموعات التدريبية الصغيرة والمراقبة التي تتوفر. في هذا البحث، نقدم معماريتين عصبيتين جديدتين: الأولى تستند إلى الشبكات العصبية الطويلة القصيرة الاتجاهية ثنائية الاتجاه (bidirectional LSTMs) والحقول العشوائية الشرطية (conditional random fields)، والثانية تقوم ببناء وتسمية المقاطع باستخدام نهج انتقالي مستوحى من محللي الجمل الإزاحيين (shift-reduce parsers). تعتمد نموذجانا على مصدرَيْن للمعلومات حول الكلمات: تمثيلات الكلمات المستندة إلى الحروف التي يتم تعلمها من المجموعة التدريبية المراقبة، وتمثيلات الكلمات غير المراقبة التي يتم تعلمها من المجموعات النصية غير المشمولة بالشروح. حققت نموذجانا أداءً يتفوق على الأداء الحالي في مجال التعرف على الكيانات المسماة (NER) بأربع لغات دون اللجوء إلى أي معرفة أو موارد خاصة باللغة مثل قوائم الأسماء (gazetteers).