摘要：針對傳統的RNN算法存在梯度消失的缺陷,在面對海量新聞數據,規模大且分類屬性多的情況下存在效率低的問題,該文應用了傳統的RNN模型改進后的LSTM神經網絡算法,加入了預訓練的word2vec模型。首先對新聞數據進行去除停用詞及標點、格式轉化、分詞等預處理;其次進行特征提取、分類模型構造;最后進行了分類模型訓練與測試。測試數據表明,在大數據量的情況下,使用LSTM算法具有較高的模型準確度和良好的擴展性。