中国語固有名詞認識（NER）に用いられる再帰型ニューラルネットワーク（RNN）は、文字および語の情報を逐次的に追跡する特性から、大きな成功を収めてきた。しかし、その鎖状構造の特徴およびグローバルな意味情報の欠如により、RNNベースのモデルは語の曖昧性に対して脆弱である。本研究では、この問題を緩和するため、グローバルな意味情報を含む辞書ベースのグラフニューラルネットワークを提案する。本モデルでは、辞書知識を活用して文字同士を接続することで、局所的な語構成を捉え、グローバルリレー節点を用いて文全体の意味情報および長距離依存関係を抽出する。文字、潜在的な語、および文全体の意味情報の間における複数のグラフベースの相互作用を通じて、語の曖昧性を効果的に解決できる。4つのNERデータセットにおける実験結果から、提案モデルが他のベースラインモデルと比較して顕著な性能向上を達成することが示された。