在自然语言处理领域，许多实体内部往往包含其他实体，即存在嵌套结构。然而，现有的大多数命名实体识别（NER）方法仅处理扁平化实体，忽略了嵌套实体的识别问题。为此，本文提出一种边界感知的神经网络模型，用于解决嵌套命名实体识别任务。该模型通过利用实体边界信息来预测实体类别标签。具体而言，模型首先通过序列标注方法精确检测实体边界，进而基于与边界相关的信息区域进行类别预测，这一机制不仅降低了计算开销，还有效缓解了多层序列标注模型中常见的误差传播问题。此外，本文引入多任务学习框架，以捕捉实体边界与其类别标签之间的依赖关系，从而提升实体识别的性能。我们在 GENIA 数据集上进行了实验，结果表明，所提出的模型在各项指标上均优于现有的先进方法。