本发明涉及一种基于神经网络的实体识别和规范化联合方法及模型，其方法包括从词向量文本中读取目标文本中每个词的词向量，并作为实体识别子模型中的BI‑LSTM层的输入；所述BI‑LSTM层根据所述词向量生成对应的BI‑LSTM输出向量，所述BI‑LSTM输出向量包含了对应词向量在给定的某一时刻的过去和未来的上下文信息；根据所述BI‑LSTM输出向量生成目标文本中的识别实体以及对应的识别实体ID。本发明的基于神经网络的实体识别和规范化联合方法，基于神经网络的联合模型从大数据中自动学习特征，在使用中减少了手工设计特征的巨大工作量，可以有效利用实体识别和实体规范这两个任务之间的相互信息，避免了串行模型中的实体识别到实体规范的错误传播。