本发明涉及一种基于BIE位置词列表的中文文本数据字向量表征方法，涉及深度学习、命名实体识别领域，包括以下步骤：S1：生成全量词集与强相关词集，并构建BIE位置词列表；S2：利用字向量的原始表征构建位置无关性词向量；S3：基于词频加权平均池化算法缩合词集中的词向量表征；S4：将字的BIE位置词向量加权并与原始字向量拼接，生成包含词汇位置信息的字向量。本发明在字向量中融入词汇的全量位置信息的同时，能够突出强相关词汇位置信息。扩展字向量表征维度，使得中文实体识别结果具有更高的准确性。