为快速准确地从海量新闻中挖掘用户需求，解决短文本语义关系单薄、篇幅较短、特征稀疏问题，提出一种融合语义知识和BiLSTM-CNN的短文本分类方法。该分类模型将新闻短文本预处理成Word2Vec 词向量，通过卷积神经网络提取代表性的局部特征，利用双向长短时记忆网络捕获上下文语义特征，再由Softmax 分类器实现短文本分类。文章对体育、财经、教育、文化和游戏五大主题的新闻语料进行了实验性的分析。结果表明，融合语义知识和BiLSTM-CNN的短文本分类方法在准确率、召回率和F1 值上均有所提升，该方法可以为短文本分类和推荐系统提供有效支撑。