命名实体识别是自然语言处理中的一项基础任务,　传统的识别方法往往需要外部知识和人工筛选特征,　需要较高的人力成本和时间成本;　针对传统方法的局限性,　提出一种基于GRU　(Gated　Recurrent　Unit)的命名实体识别模型,　该模型以字向量作为输入单位,　通过双向GRU层提取特征,　并通过输出层得到标签序列.　在传统命名实体和会议名称这种特定领域命名实体上对该模型进行了测试.　实验结果表明,　本文设计的循环神经网络模型能有效的识别命名实体,　省去了人工设计特征的繁琐工作,　提供了一种端到端的识别方法.