本发明公开了一种医药命名实体识别与实体规范化方法，通过对输入数据使用CNN进行字符特征提取，利用ELMo获取上下文相关的词向量，并将在生物医学上预训练的词的嵌入矩阵输入到基于BLSTM‑CNN‑CRF的深度学习模型中，将输出的标签互相反馈更新任务参数，实现医药命名实体识别任务DNER与实体规范化任务DNEN的相互支持，本发明采取了完全共享的模式，在任务之间共享BiLSTM‑CNN层，这意味着除了对DNER和DNEN设置对应的输出层外，基于BLSTM‑CNN‑CRF的深度学习模型的所有参数都是共享的，这种结构保证了该模型可以捕获不同任务的特征表示，并互相反馈生成预测序列；优点是实现医药命名实体识别与实体规范化这两种任务的相互支持，识别实体名称及实体边界的准确率较高。