神经网络模型已被证明在句子和文档建模方面能够实现卓越的性能。卷积神经网络（CNN）和循环神经网络（RNN）是此类建模任务中的两种主流架构，它们采用了完全不同的自然语言理解方式。在这项工作中，我们结合了这两种架构的优势，提出了一种新颖且统一的模型——C-LSTM，用于句子表示和文本分类。C-LSTM 利用 CNN 提取一系列高层次短语表示，并将其输入到长短期记忆循环神经网络（LSTM）中以获得句子表示。C-LSTM 能够捕捉短语的局部特征以及句子的全局和时间语义。我们在情感分类和问题分类任务上对所提出的架构进行了评估。实验结果表明，C-LSTM 在这些任务上的表现优于 CNN 和 LSTM，并能够取得优异的性能。