El reconocimiento de entidades nombradas puede explorar profundamente las características semánticas y mejorar la capacidad de representación vectorial de los datos textuales. Este artículo propone un método de reconocimiento de entidades nombradas basado en atención multi-cabeza para abordar el problema de los límites léxicos difusos en el reconocimiento de entidades nombradas en chino. En primer lugar, se utiliza Word2vec para extraer vectores de palabras, HMM para extraer vectores de límites, ALBERT para extraer vectores de caracteres, se utiliza el mecanismo de atención de avance para fusionar los tres vectores, y luego la representación de los vectores fusionados se utiliza para eliminar características mediante BiLSTM. Luego, se utiliza la atención multi-cabeza para extraer la información potencial de palabras en las características del texto. Finalmente, se obtienen los resultados de clasificación de etiquetas de texto después de la selección del campo aleatorio condicional. A través de la verificación de los conjuntos de datos WeiboNER, MSRA y CLUENER2020, los resultados muestran que el algoritmo propuesto puede mejorar efectivamente el rendimiento del reconocimiento de entidades nombradas.