摘要： 传统卷积神经网络文本分类的效果依赖输入文本表示的准确度，如果文本表示不 准确，则输入的噪音将直接导致分类准确性的大幅下降。针对此问题，本文提出一种基于结合 词性概率（ｃｏｅｆｆｉｃｉｅｎｔｐａｒｔｏｆｓｐｅｅｃｈ，ＣＰＯＳ）特征和应用场景（ａｐｐｌｉｃａｔｉｏｎｓｃｅｎｅ，ＡＳ）改进的双通道 文本卷积神经网络模型ＷｏｒｄＣＰＯＳ＆ＡＳＤＣＮＮ（ＷＣＡＤＣＮＮ），通过引入词性的贡献度和设定场 景权重２个因子，改善传统方法中短文本表示特征稀疏及不精确的问题。实验结果表明：ＷＣＡ ＤＣＮＮ算法在准确率、召回率和Ｆ１值等指标上都有明显提升。