最先进的序列标注系统通常需要大量的任务特定知识，这些知识以手工设计的特征和数据预处理的形式存在。在本文中，我们介绍了一种新颖的神经网络架构，该架构通过结合双向长短期记忆（LSTM）、卷积神经网络（CNN）和条件随机场（CRF），能够自动从词级和字符级表示中获益。我们的系统真正实现了端到端，无需任何特征工程或数据预处理，因此适用于广泛的序列标注任务。我们在两个数据集上对系统进行了评估：一个是用于词性标注（POS）的宾夕法尼亚树库WSJ语料库，另一个是用于命名实体识别（NER）的CoNLL 2003语料库。结果表明，我们的系统在这两个任务上均达到了最先进水平——词性标注的准确率为97.55%，命名实体识别的F1值为91.21%。