أحد العوامل الأكثر أهمية التي تؤثر بشكل مباشر وملحوظ على جودة التسمية التسلسلية العصبية هو اختيار وتمثيل الميزات المدخلة بهدف إنتاج متجهات تمثيل غنية من حيث المعنى والتركيب النحوي. في هذه الورقة، نقترح نموذجًا شبكيًا عصبيًا عميقًا لمعالجة مهمة محددة ضمن مشكلة التسمية التسلسلية، وهي مهمة تمييز الكيانات الاسمية (NER). يتكون النموذج من ثلاث شبكات فرعية للاستفادة الكاملة من الميزات على مستوى الحروف والكتابة الكبيرة، بالإضافة إلى تمثيل السياق على مستوى الكلمة. ولإظهار قدرة نموذجنا على التعميم على لغات مختلفة، قمنا بتقييم النموذج بلغات الروسية والفيتنامية والإنجليزية والصينية، وحقق أداءً متميزًا من حيث الأداء الحالي: 91.10% و94.43% و91.22% و92.95% من قياس F على مجموعات بيانات غاريف (Gareev)، VLSP-2016، CoNLL-2003، وMSRA على التوالي. علاوةً على ذلك، حقق النموذج أيضًا أداءً جيدًا (حوالي 70% من F1) باستخدام فقط 100 عينة للمجموعات التدريبية والتطويرية.