由于互联网信息的的高速发展,同时热爱新闻的人们不断上升,导致新闻传播的方式发生了变化。尽管现有的自媒体经营商已经针对安全的上网问题做出了巨大的贡献,但是网络具有开放性的特点,它仍然无法完全阻止网络恶意营销事件,因此识别营销意图是非常重要的。目前对于营销意图的主要研究是基于外部资源来进行有效的识别,但是由于外部资源难以获取的特性,一些意图识别的方法未被广泛的应用。通过参考国内外文献得知,现在营销意图识别主要的三种方法分别是:通过日志信息匹配的方式;以词典为模板的规则判断;基于分类的方法来进行意图识别。由于相应的数据集很难发现,导致日志信息和词典的方式很难自动化实现,因此分类的方法显得更为优越。由于短新闻文本数据的稀疏性,以及数据集规模庞大的特性,需要优化特征提取方式以及构建泛化能力强的分类模型是至关重要的。针对以上问题本文提出了基于集成学习和主题记忆网络的营销意图识别方法,做了如下的几点工作:(1)构建了LSI-Word2vec主题提取方式,由于Word2vec算法在文档表达方向具有优越性,建立LSI-Word2vec模型,使得算法优势被充分利用到特征提取过程中。(2)利用决策剪枝的策略融合到Stacking中第一层模型中来提高运算效率,构造了机器学习中高效的集成方法,通过组合多个模型的预测信息,具有更高准确率的效果。(3)研究并分析基于主题记忆网络来对识别营销意图,为了防止梯度爆炸问题,优化了主题提取方式,可以高效的提取语义,达到高效的营销意图识别效果。(4)构建了CLSTM分类器,对于TMN中的分类器CNN来说,能够提取局部信息,无法捕获远程依赖,而LSTM序列层被添加之后可以增加元素的时序关系,不但能够关联句子之间的局部信息,而且可以联系句子之间的长距离依赖。(5)设计并实现了一套营销意图识别系统。在真实的网络环境下,通过采集自媒体网站上新闻数据,提取有效的文本特征,可以达到识别营销意图的目的。