Der Fehlen von Wortgrenzeneinformationen gilt als einer der Haupthindernisse für die Entwicklung eines hochleistungsfähigen chinesischen Named-Entity-Recognition-(NER)-Systems. Glücklicherweise enthält das automatisch erstellte Lexikon reichhaltige Informationen zu Wortgrenzen sowie semantische Wortinformationen. Bei der Integration lexikalischer Kenntnisse in chinesischen NER-Aufgaben stellen sich jedoch weiterhin Herausforderungen, insbesondere bei selbstübereinstimmenden lexikalischen Wörtern sowie den nächstgelegenen kontextuellen lexikalischen Wörtern. Wir präsentieren ein kollaboratives Graphennetzwerk, um diese Herausforderungen zu bewältigen. Experimente auf verschiedenen Datensätzen zeigen, dass unser Modell nicht nur die derzeit besten Ergebnisse (SOTA) übertrifft, sondern zudem eine Geschwindigkeit erreicht, die sechs bis fünfzehn Mal höher ist als die des SOTA-Modells.