تمثّل التعرف على الكيانات الاسمية (NER) مهمة أساسية في معالجة اللغة الطبيعية، وتُركّز على تحديد الفواصل النصية التي تعبّر عن إشارات إلى كيانات. غالبًا ما تُركّز أبحاث NER على الكيانات المستوية فقط (NER المستوّية)، متجاهلة حقيقة أن الإشارات إلى الكيانات يمكن أن تكون متداخلة، كما في [بنك الصين] (Finkel وManning، 2009). في هذه الورقة، نستلهم أفكارًا من تحليل الاعتماد القائم على الرسوم البيانية لمنح نموذجنا رؤية شاملة للإدخال من خلال نموذج ثنائي التأثير (biaffine) (Dozat وManning، 2017). ويُقدّر نموذج ثنائي التأثير أزواج الرموز الابتدائية والنهاية في الجملة، والتي نستخدمها لاستكشاف جميع الفواصل، مما يمكّن النموذج من التنبؤ بدقة بالكيانات الاسمية. ونُظهر أن النموذج يُحقق أداءً جيدًا في كل من NER المتداخلة وNER المستوية، من خلال التقييم على 8 مجموعات بيانات، وتحقيق أداءً يُعدّ الأفضل في المجال (SoTA) على جميعها، مع تحقيق مكاسب في الدقة تصل إلى 2.2 نقطة مئوية.