在如今信息资讯极度丰富的背景下,文字作为重要传播媒介承载着繁杂多样的信息。传统的文本处理方法在面对海量的文本资源已显得十分的低效。为了满足这些处理文本的需求,催生了一系列的文本处理研究工作。文本分类作为文本数据检索和分析的基础技术之一,能够将文本资源依据任务目标或后续分析工作需求有结构的组织起来。所以,文本分类研究因其实用价值,在自然语言处理领域受到了大量的关注。四险一金具体是指国家规定给予劳动者的养老保险、医疗生育保险、失业保险、工伤保险,及住房公积金;我国的社会保障制度发展较晚,为了适应当前四险一金领域的变化,方便工作的开展,减少投入的成本,可以考虑构建领域知识图谱使领域工作更加智能化。而在这之前,就需要基于语料进行文本处理和知识提取。因此需要获取大量的文本资源并构建领域语料库。同时,为了使知识图谱在应用时能够从文本资源中的发掘类别信息,开展领域文本分类的研究同样具有重要的意义。基于上述原因,本文针对四险一金领域的文本分类方法及应用进行了研究。本文大致分为三个部分,一部分是领域开放网络文本语料库构建的研究,提出了基于正则表达式的改进句子分割方法和基于网络爬虫和词频分析的领域词提取方法;领域开放网络文本语料库的构建能帮助后续工作执行,实现分类模型的训练和测试,并提供了大量的知识信息,为实际应用工作提供论据支撑。第二部分是领域开放网络文本层次分类方法研究,提出了基于卷积的层次文本分类模型HCNN。在神经网络的特征提取结构的构建方面,本文提出了共享-私有网络结构。在层次分类方面,本文设计的多层次分类结构以粗粒度分类结果约束细粒度分类以改善最终性能。神经网络使用的损失函数方面,加入了能强化不同类别样本之间的区分度损失项。在第三部分,即审计应用探索部分,基于上述的研究构建了领域开放网络文本语料库,并对领域文本执行多层次分类,然后结合主题提取技术,实现对四险一金领域文本的分析然后可据此指导审计工作。本文针对上述的方法与应用分别进行了实验,并对实验结果进行分析。通过不同训练集的比较,验证了平衡训练集在训练神经网络分类器时的优势。测试了层次文本分类HCNN方法,相比于LSTM模型大大缩短了训练所需时间,并实现了与LSTM接近的准确率;验证了训练集的充分程度和强化区分度的损失在训练过程中的效果。最后利用领域审计应用框架对领域文本语料集进行分析,论证了应用的可行性。