我々は中国語の固有表現認識（NER）のために、格子構造を持つLSTMモデルを調査しました。このモデルは、入力文字列だけでなく、辞書に一致するすべての潜在的な単語もエンコードします。文字ベースの手法と比較して、我々のモデルは明示的に単語および単語列の情報を活用します。また、単語ベースの手法と比較して、格子LSTMはセグメンテーションエラーに悩まされません。ゲート付き再帰セルにより、我々のモデルは文から最も関連性のある文字と単語を選択し、より良いNER結果を得ることができます。様々なデータセットでの実験結果は、格子LSTMが単語ベースおよび文字ベースのLSTM基準を上回り、最良の結果を達成していることを示しています。