RNA 5-甲基胞嘧啶（m5C）修饰在许多生物过程中发挥重要的作用，对m5C位点的准确识别有助于更好地理解其生物学功能，所以识别m5C甲基化位点十分必要。尽管已发展了多种识别m5C甲基化位点的机器学习方法，但预测能力仍有待提高。本文基于双向长短时记忆网络和注意力机制，提出了一种预测RNA m5C甲基化位点的深度学习算法。用该方法在人、小鼠、酿酒酵母和拟南芥共4种生物的RNA m5C数据集上进行实验，m5C位点预测AUC值分别达到92.5%、99.7%、93.6%和86.5%。与现有预测方法相比，该方法具有较好的预测性能，并且具有更优的泛化能力，为RNA m5C甲基化位点预测提供了一种新方法。