我们研究了一种基于格状结构的LSTM模型用于中文命名实体识别（NER），该模型不仅编码输入字符序列，还编码所有与词典匹配的潜在词汇。与基于字符的方法相比，我们的模型显式利用了词汇和词汇序列信息。而与基于词汇的方法相比，格状LSTM不会受到分词错误的影响。门控循环单元使我们的模型能够从句子中选择最相关的字符和词汇，从而获得更好的NER结果。在多个数据集上的实验表明，格状LSTM优于基于词汇和基于字符的LSTM基线方法，取得了最佳效果。