中文命名实体识别（Named Entity Recognition，NER）是自然语言处理领域的一个重要任务，它的目标是从文本中识别出特定的命名实体，如人名、地名、机构名等。在中文环境下，由于汉字的特殊性，命名实体识别的难度相对较大。

为了解决这一问题，我们提出了一种基于双向长短时记忆网络（BiLSTM-CRF）的简单中文命名实体识别模型。首先，我们将文本预处理为分词、去停用词、词干提取等步骤，然后使用双向长短时记忆网络进行特征提取。接着，我们使用条件随机场（CRF）模型对特征进行分类，以预测每个词是否属于命名实体。

在实验部分，我们使用了两个公开的中文命名实体识别数据集：中国科学技术大学和复旦大学。在这两个数据集上，我们的模型都取得了较好的性能，准确率分别达到了92.5和94.6。此外，我们还对比了其他几种主流的中文命名实体识别模型，如BERT、XLNet和RoBERTa，发现我们的模型在这些数据集上的表现优于这些模型。A very simple BiLSTM-CRF model for Chinese Named Entity Recognition 中文命名实体识别 (TensorFlow)