本文介绍了我们在参与2016年COLING研讨会“噪声用户生成文本”（WNUT）举办的“推文中的命名实体识别”共享任务中所采用的方法。我们参与的主要挑战在于推文具有短小、噪声大且口语化程度高的特点，这使得推文中的命名实体识别成为一项极具挑战性的任务。为此，我们提出了一种应对该问题的方案，通过引入双向长短期记忆网络（bidirectional LSTM），使其能够自动学习拼写特征，而无需依赖人工特征工程。与共享任务中其他参赛系统相比，我们的系统在“分段与分类”以及“仅分段”两个子任务上均取得了最优的性能表现。