命名エンティティ抽出（Named Entity Recognition, NER）は、文書内に含まれる命名エンティティ（例：組織、場所など）を事前に定義されたカテゴリに分類・特定する情報抽出技術である。これらのエンティティを正しく識別することは、情報へのアクセスを簡素化する上で重要な役割を果たす。しかし、命名エンティティ（NE）には多様な表現形式が存在し、文脈に依存する性質があるため、正確に抽出することは依然として困難な課題である。文脈情報をコンテキスト特徴として表現することは可能であるが、従来のモデルではグローバルな関係性が十分に捉えられていない場合が多い。本論文では、XLNetから得られるコンテキスト特徴と、グラフ畳み込みネットワーク（Graph Convolution Network, GCN）から得られるグローバル特徴を組み合わせることで、NERの性能を向上させる手法を提案する。広く用いられているデータセットCoNLL 2003における実験結果から、本手法の有効性が示され、最先端（SOTA）レベルの性能を達成することが確認された。