本发明公开了一种基于深度学习的文本哈希检索方法，特点是首先利用双向LSTM模型提取词嵌入矩阵中的每个原始词汇数据对应的语义编码，接着在双向LSTM模型之后并联接入文本卷积神经网络，并增加注意力机制，再使用sign函数将第二全连接层的输出值转化为对应的哈希编码，利用哈希编码重构类别标签，最后，在文本库哈希编码中查找与检索文本哈希编码的海明距离最近的向量数据，完成对检索文本数据的哈希检索过程，优点是哈希模型对短文本的学习能力较高，其中增加的注意力机制能够进一步提升特征的表达能力，分类层利用哈希编码重构类别标签，使得哈希模型在学习二进制编码的同时，能更加精细地利用标签信息，因此检索精度较高。