近期，许多研究尝试通过使用词汇表来提升中文命名实体识别（NER）的性能。其中，Lattice-LSTM（张和杨，2018年）在多个公开的中文NER数据集上取得了新的基准结果。然而，Lattice-LSTM具有复杂的模型架构，这限制了其在需要实时NER响应的许多工业领域的应用。在本研究中，我们提出了一种简单而有效的方法，将词汇表信息融入字符表示中。该方法避免了设计复杂的序列建模架构，并且对于任何神经NER模型，只需对字符表示层进行细微调整即可引入词汇表信息。我们在四个基准中文NER数据集上的实验研究表明，所提出的方法比现有最先进方法的推理速度提高了最高6.15倍，并且性能更优。实验结果还表明，所提出的这种方法可以轻松地与预训练模型如BERT结合使用。