Este estudio tiene como objetivo resolver el problema de reconocimiento de entidades nombradas de fallas en equipos mecánicos complejos, especialmente los problemas de muchos términos profesionales, oraciones largas, límites de entidades difusos, anidamiento de entidades y ambigüedad de abreviaturas, en el texto de fallas de montacargas mineros. Por lo tanto, este estudio propone un método de reconocimiento de entidades nombradas basado en la incrustación de diccionario de dominio. El método primero utiliza el conocimiento del dominio de fallas del montacargas minero para construir un diccionario especializado en el dominio y generar un vector de palabras de palabras características. En segundo lugar, se utiliza el modelo de lenguaje pre-entrenado BERT para obtener vectores de palabras dinámicas, y se carga un adaptador de diccionario para obtener características léxicas de dominio contextual para mejorar la precisión del reconocimiento. Finalmente, el campo aleatorio condicional (CRF) es el clasificador del modelo para producir la secuencia de anotación con la puntuación más alta. Los resultados experimentales muestran que este modelo logra mejores resultados que varios modelos de referencia y mejora de manera efectiva la precisión de la identificación de entidades nombradas de fallas para montacargas mineros. La innovación de este estudio es la combinación de la incrustación de diccionario de dominio y un modelo de lenguaje pre-entrenado BERT, que mejora la precisión y robustez del reconocimiento de entidades nombradas. Por lo tanto, los resultados de este estudio tienen una importancia investigativa esencial para mejorar la precisión de la identificación de entidades nombradas de fallas en montacargas mineros y la construcción de mapas de conocimiento de fallas.