摘要：挖掘微博文本中的信息對(duì)自動(dòng)問答、輿情分析等應(yīng)用研究具有重要意義。文本數(shù)據(jù)的分類研究是文本數(shù)據(jù)挖掘的基礎(chǔ)。本文提出將Word2vec和LDA(Latent Dirichlet Allocation)的文本表示同時(shí)輸入卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行高層語(yǔ)義特征抽象和分類學(xué)習(xí),使得輸入的詞向量既能表現(xiàn)詞語(yǔ)之間的語(yǔ)義信息又能體現(xiàn)文本的主題思想。首先用Word2vec和LDA模型分別在語(yǔ)料庫(kù)中學(xué)習(xí)產(chǎn)生詞向量,然后詞向量分別級(jí)聯(lián)得到各自的文本矩陣表示,最后將文本矩陣作為2個(gè)通道同時(shí)輸入到卷積神經(jīng)網(wǎng)絡(luò)做分類訓(xùn)練,并通過微博數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了該方法的有效性。