命名实体识别可以使用多种模型实现，包括基于规则的方法、基于特征模板的方法和基于神经网络的方法。

1. 基于规则的方法：利用手工编写的规则，将文本与规则进行匹配来识别命名实体。这些规则通常基于语言学知识和领域知识，例如语法规则、词典规则等。
2. 基于特征模板的方法：统计机器学习将NER视为序列标注问题，利用大规模语料来学习出标注模型，从而对句子各个位置进行标注。常用到的模型包括HMM和判别式模型CRF。
3. 基于神经网络的方法：将token从离散one-hot表示映射到低维空间中成为稠密的embedding，随后将句子的embedding序列输入到RNN中，用神经网络自动提取特征，Softmax来预测每个token的标签。推荐的神经网络模型包括BERT(Bidirectional Encoder Representations from Transformers)、RoBERTa(Robustly Optimized BERT Approach)和GPT(Generative Pre-training Transformer)等。

可以根据具体的任务和数据情况选择适合的模型和方法。