随着科技的不断发展,互联网和数据库技术得到了飞速的提升。日常生活中,社会生活的各个领域每分每秒在源源不断的产生大量的数据和信息,比如大量的文本数据。学术、工业研究、科技公司等领域都对文本数据有着极大的需求量,这些科技领域处理的文本往往篇幅较长,包含更多的信息量,这使得长文本管理成为研究者的热门话题。文本分类是文本管理的基础任务,在信息检索、信息过滤、情感分类等方面都有着重要的应用。文本分类是指在某一确定的分类体系之下,依据文本包含的具体信息对文本进行自动分类的过程。深度学习中的文本分类方法是通过建立高效的神经网络模型,准确提取文本语义特征并作出类别的判断。为了保证语义提取的完整性,传统的分类方法通常是将文本整体编码作为网络的输入,然后使用卷积神经网络或者循环神经网络进行训练,这种方法在句子和短文本分类中已经取得了良好的效果。对于长文档,整体编码会导致模型输入维度过大,模型对文本整体计算复杂度较高;并且由于篇幅较长,网络无法完整关联文本上下文信息,导致特征提取不够全面,模型分类准确率不高。针对这个问题,本文提出了一种基于全局特征提取的长文分类模型。该模型首先将长文随机拆分成不同的部分,使用卷积神经网络提取各个部分的局部特征,然后利用长短期记忆网络关联各部分特征,降低网络输入维度的同时,尽可能多的保留全文整体的细节信息用作分类。在实际研究中,整体编码对硬件设备要求较高,为进一步节约资源,提高网络的运算效率,人类会选择性的选取长文的一部分作为输入,而忽略其他内容,利用输入数据的局部文本作为分类依据,这就要求提取的局部文本包含长文的重要信息,并且要求网络能在输入信息量不完备的情况下准确构建文本特征表示。针对这个问题,本文提出了一种基于局部特征提取的长文分类模型。提出了一种改进的硬注意力算法准确定位出长文内包含重要信息的文本段落,以此作为特征提取模型的输入;建立层次特征提取模型,从单词到句子再到段落逐步提取文本特征;将软注意力机制,分别应用于单词、句子和段落层级,使其能够在构建文档特征表示时对各个层级的重要的内容进行区分。本文收集了两个论文数据集,经过实验表明,所提出的两个模型能够高效准确地区分方向相似的长文文献。