以往的卷积神经网络模型在对文本建模和分类时，通常按顺序提取n-gram卷积特征，忽视了长距离依存关系中的句法结构和语义信息。提出了一种基于事件卷积特征的文本分类方法，利用事件的语义特性弥补之前模型的不足。该方法使用依存关系抽取出文本中的事件集合，通过卷积神经网络进行事件特征提取，并在此基础上进行文本分类。在对中文新闻语料的多分类实验中，该方法较传统的文本分类方法有明显的提高，较使用n-gram的卷积神经网络模型更为稳定。实验结果说明了模型的有效性以及事件特征的优越性。