1.一种中文命名实体识别方法，其特征在于，包括如下步骤：

根据待识别语句生成若干个平面格结构；其中，一个所述平面格结构中包括一个从所述待识别语句中分割得到的字符串；

根据所述待识别语句生成所述待识别语句的词嵌入特征，并根据所述平面格结构中的所述字符串生成所述待识别语句的格特征；

将所述格特征以及词嵌入特征输入至预设多元数据嵌入网络中，输出得到所述待识别语句的命名实体识别结果；其中，所述预设多元数据嵌入网络包括两个Transformer编码器、全连接层、Bi‑LSTM层以及CRF层；所述两个Transformer编码器的输入端分别用于接收所述待识别语句的格特征以及词嵌入特征，所述两个Transformer编码器的输出端分别与所述全连接层的输入端连接，所述全连接层的输出端与所述Bi‑LSTM层的输入端连接，所述Bi‑LSTM层的输出端与所述CRF层的输入端连接，所述CRF层的输出端用于输出所述识别结果；

所述Transformer编码器中包括多头自注意力层、前馈网络层、第一残差连接和层归一化模块以及第二残差连接和层归一化模块；所述多头自注意力层的输入端用于接收所述待识别语句的格特征或词嵌入特征，所述多头自注意力层的输出端通过所述第一残差连接和层归一化模块与所述前馈网络层的输入端连接，所述前馈网络层的输出端与所述第二残差连接和层归一化模块连接，所述第二残差连接和层归一化模块的输出端与所述全连接层的输入端连接；

所述将所述格特征以及词嵌入特征输入至预设多元数据嵌入网络中，输出得到所述待识别语句的命名实体识别结果，具体包括：将所述格特征与所述词嵌入特征分别输入至两个所述Transformer编码器中，对应得到第一注意力分数以及第二注意力分数；

将所述第一注意力分数和第二注意力分数输入至所述全连接层中进行信息融合，得到融合特征，具体计算公式为：其中，Fusion(AttL,AttR)为所述融合特征，AttL与AttR分别为第一注意力分数和第二注o意力分数，W为预设权重矩阵，b为预设偏置参数；

将所述融合特征输入至所述Bi‑LSTM层与所述CRF层进行处理后，最终输出得到所述命名实体识别结果。

2.如权利要求1所述的中文命名实体识别方法，其特征在于，所述根据待识别语句生成若干个平面格结构，具体包括：根据预设词典，从所述待识别语句中分割得到若干个字符串，并将所述若干个字符串分别对应填入若干个网格中，得到所述若干个格结构；其中，所述字符串包括单个字符或根据所述预设词典匹配得到的由若干个所述单个字符组成的词语；

将所述若干个格结构进行扁平化处理，得到所述若干个平面格结构。

3.如权利要求1所述的中文命名实体识别方法，其特征在于，根据所述待识别语句生成所述待识别语句的词嵌入特征，具体包括：将所述待识别语句中的所有字符分别输入至BERT模型中，得到所述待识别语句的词嵌入特征。

4.如权利要求1所述的中文命名实体识别方法，其特征在于，根据所述平面格结构中的所述字符串生成所述待识别语句格特征的方法具体包括：当一次格特征生成开始时，在所述若干个字符串中任选一字符串作为输入字符串，将所述输入字符串输入至BERT模型中，得到所述输入字符串对应的词特征；

计算所述输入字符串与所述若干个字符串中除所述输入字符串外其余字符串之间的相对位置编码，得到所述输入字符串对应的若干个相对位置编码，并将所述输入字符串对应的词特征与若干个相对位置编码组合，得到所述输入字符串的字符串格特征，结束一次所述格特征生成；

将所述若干个字符串分别作为输入字符串并对应进行若干次格特征生成，并将所有所述字符串对应的所述字符串格特征组合，得到所述待识别语句的格特征。

5.如权利要求4所述的中文命名实体识别方法，其特征在于，所述相对位置编码的计算方法具体包括：取两个所述字符串，设其中一个字符串为xi，另一字符串为xj，设每个所述字符串的第一个字符为头部字符，每个所述字符串的最后一个字符为尾部字符，并且，设xi的头部字符在所述待识别语句中的位置为head[i]，xi的尾部字符在所述待识别语句中的位置为tail[i]，并设xj的头部字符在所述待识别语句中的位置为head[j]，xj的尾部字符在所述待识别语句中的位置为tail[j]，则：其中， 表示xi的头部字符与xj的头部字符之间的距离， 表示xi的头部字符与xj的尾部字符之间的距离， 表示xi的尾部字符与xj的头部字符之间的距离， 表示xi的尾部字符与xj的尾部字符之间的距离；

根据 得到xi与xj之间的所述相对位置编码Rij：

其中，Wr为预设可学习参数， n为预设维度阈值，具体计算公式

为：

其中，k∈[0,n]，dmodel为所述词特征的预设维度。

6.一种中文命名实体识别装置，其特征在于，包括：格结构生成模块、特征生成模块以及识别模块；

所述格结构生成模块用于根据待识别语句生成若干个平面格结构；其中，一个所述平面格结构中包括一个从所述待识别语句中分割得到的字符串；

所述特征生成模块用于根据所述待识别语句生成所述待识别语句的词嵌入特征，并根据所述平面格结构中的所述字符串生成所述待识别语句的格特征；

所述识别模块用于将所述格特征以及词嵌入特征输入至预设多元数据嵌入网络中，输出得到所述待识别语句的命名实体识别结果；其中，所述预设多元数据嵌入网络包括两个Transformer编码器、全连接层、Bi‑LSTM层以及CRF层；所述两个Transformer编码器的输入端分别用于接收所述待识别语句的格特征以及词嵌入特征，所述两个Transformer编码器的输出端分别与所述全连接层的输入端连接，所述全连接层的输出端与所述Bi‑LSTM层的输入端连接，所述Bi‑LSTM层的输出端与所述CRF层的输入端连接，所述CRF层的输出端用于输出所述识别结果；

所述Transformer编码器中包括多头自注意力层、前馈网络层、第一残差连接和层归一化模块以及第二残差连接和层归一化模块；所述多头自注意力层的输入端用于接收所述待识别语句的格特征或词嵌入特征，所述多头自注意力层的输出端通过所述第一残差连接和层归一化模块与所述前馈网络层的输入端连接，所述前馈网络层的输出端与所述第二残差连接和层归一化模块连接，所述第二残差连接和层归一化模块的输出端与所述全连接层的输入端连接；

所述将所述格特征以及词嵌入特征输入至预设多元数据嵌入网络中，输出得到所述待识别语句的命名实体识别结果，具体包括：将所述格特征与所述词嵌入特征分别输入至两个所述Transformer编码器中，对应得到第一注意力分数以及第二注意力分数；

将所述第一注意力分数和第二注意力分数输入至所述全连接层中进行信息融合，得到融合特征，具体计算公式为：其中，Fusion(AttL,AttR)为所述融合特征，AttL与AttR分别为第一注意力分数和第二注o意力分数，W为预设权重矩阵，b为预设偏置参数；

将所述融合特征输入至所述Bi‑LSTM层与所述CRF层进行处理后，最终输出得到所述命名实体识别结果。

7.如权利要求6所述的中文命名实体识别装置，其特征在于，所述格结构生成模块用于根据待识别语句生成若干个平面格结构，具体包括：根据预设词典，从所述待识别语句中分割得到若干个字符串，并将所述若干个字符串分别对应填入若干个网格中，得到所述若干个格结构；其中，所述字符串包括单个字符或根据所述预设词典匹配得到的由若干个所述单个字符组成的词语；

将所述若干个格结构进行扁平化处理，得到所述若干个平面格结构。