本发明公开了一种实体识别方法，包括获取训练完成后的基于LSTM的实体识别模型，其中，所述基于LSTM的实体识别模型为使用标注后的训练语料训练；将待实体识别文本输入所述训练完成后的基于LSTM的实体识别模型，获取所述待实体识别文本中各个字符分属标注标签的概率；将所述概率输入CRF模型，得到各个字符的标记；LSTM网络对数据的依赖很大，数据量的大小和质量也会影响模型训练结果，结合了LSTM模型和CRF模型，使用LSTM模型解决提取序列特征的问题，使用CRF模型可以有效利用句子级别的标记信息，通过LSTM+CRF模型提高了对话系统的执行效率，同时实现了实体识别与分词，提高了实体识别准确率和效率。