市民服务热线作为政府和各职能单位服务人民的的重要窗口,实现了聆听群众的诉求,普及政策法规,解决难点问题,为维持社会的和谐稳定起到关键作用。市民服务热线是当今政府和职能部门获取社会信息,服务于广大群众,建设基层的一种重要途径。针对基于深度学习的市民服务热线提供文本分类任务,传统的深度学习网络模型一般都是运用LSTM长短时记忆性神经网络和CNN卷积神经网络,但是CNN只能通过挖掘局部特征,忽略了局部语料特征,对于较长的文本来说不太友好,而LSTM对局部语料的其他特征提取效果较为逊色,因此,本文综合LSTM和CNN两个模型对于文本特征提取上的优势,形成TLSTM融合模型,同时,融入Attention注意力机制,能够有效学习得到词向量的权重分布。综上,本文提出基于Word2vec-TLSTM-Attention的融合神经网络模型对文本进行分类。首先我们对这些文本内容进行了文本预处理,文本预处理过程采用的是jieba分词工具对语料库进行中文分词和停用词文本过滤,之后,利用Word2vec模型对语料库进行训练得到文本对应的词向量,其次将词向量分别输入到TextCNN、LSTM单一神经网络模型中,随后通过Attention注意力机制计算市民服务热线各类别权值分布。最后对单一模型和融合模型的分类结果进行对比分析。实验证明本文提出基于Word2vec-TLSTM-Attention的融合神经网络模型对本文语料库产生了更好的效果。