【摘要】在飞速发展的互联网时代，网络新闻成为人们获取资讯的重要途径。 随着网络中新闻文本的数量不断增加，人们获取想了解的新闻信息变得愈加困难，基于此，快速对网络新闻进行分类显得尤为重要。 本文提出一种融合基于 Ｔｒａｎｓｆｏｒｍｅｒ 框架的双向编码（ｂｉｄｉｒｅｃｔｉｏｎａｌ ｅｎｃｏｄｅｒ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ Ｔｒａｎｓｆｏｒｍｅｒｓ，ＢＥＲＴ）和长短期记忆（ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）网络的新闻标题文本分类模型，首先使用 ＢＥＲＴ 生成的新闻标题文本向量，然后输送到 ＬＳＴＭ 网络中提取上下文关系特征，最后利用 Ｓｏｆｔｍａｘ 分类器判断分类结果。 通过与其他模型进行对比，表明本文所提模型在新闻文本分类任务上表现更佳，验证了模型的有效性。