在自然语言处理领域，中文命名实体识别（NER）是一个关键任务，它旨在从文本中识别出具有特定意义的实体，如人名、地名、组织机构名等。为了进行NER的研究和开发，获取高质量的语料库是至关重要的。以下是一些获取实用中文命名实体识别语料库的方法：
1. 公共语料库平台
1.1 国家语言资源监测与研究中心
国家语言资源监测与研究中心是中国语料库建设的重要机构，其平台提供了丰富的语料库资源，包括但不限于：
- 中国互联网语料库：包含了大量的网络文本数据，适合进行网络文本的NER研究。
- 现代汉语语料库：包含各种类型的现代汉语文本，如新闻、小说、论文等。
1.2 清华大学KEG实验室
清华大学自然语言处理与社会人文计算实验室的语料库资源也十分丰富，如：
- 人民日报语料库：提供了大量人民日报的文本数据，适合进行新闻文本的NER研究。
- Web数据集：包含从互联网抓取的大量文本数据，可用于Web文本的NER研究。
2. 开源语料库
2.1 LDC（Language Data Consortium）
LDC是一个非营利性的语言数据资源组织，提供了大量的开源语料库，其中一些中文NER相关的语料库包括：
- Chinese Gigaword：包含大量的中文文本，可用于训练NER模型。
- Chinese Named Entity Recognition and Chunking (NERC) Corpus：专门为中文NER设计的语料库。
2.2 Open Corpus
Open Corpus是一个开源的中文语料库，其中包含了一些NER相关的数据集：
- 中文新闻实体识别语料库：包含了新闻文本中的实体标注数据。
3. 专业领域语料库
3.1 行业专业语料库
对于特定领域的NER研究，可以寻找专业领域的语料库，例如：
- 金融领域语料库：包含了金融领域的文本数据，适合进行金融文本的NER研究。
- 医疗领域语料库：包含了医疗领域的文本数据，适合进行医疗文本的NER研究。
3.2 企业内部语料库
如果是在企业内部进行NER研究，可以考虑构建企业自己的内部语料库，这通常需要根据企业的具体需求进行定制。
4. 注意事项
4.1 数据质量
获取语料库时，务必注意数据的质量，包括文本的准确性和标注的准确性。
4.2 许可协议
在使用任何语料库之前，请仔细阅读其许可协议，确保你的使用符合规定。
4.3 数据清洗
在使用语料库之前，通常需要进行数据清洗，去除无用信息，提高数据质量。
通过以上方法，你可以获取到适合进行中文命名实体识别的语料库。希望这些信息能帮助你更好地开展NER研究。