随着大数据时代的来临,社会中的各类数据正以极快的速度增长,而文本数据的挖掘是一个急需解决的问题。其中文本分类技术又是所有文本挖掘技术的基础所在,故如何对文本数据进行自动分类是一个值得研究的技术方向。基于深度学习中的循环神经网络模型(RNN)来对文本数据进行挖掘,可以解决统计学习方法进行文本分类上忽略上下文信息的弊端,将是以后研究相关领域的经典范例。论文首先介绍了文本分类过程的概述,并对分类过程中的每一个步骤进行了详细的分析,就文本表示模型中主要介绍了文本表示模型中的向量空间模型(VSM),就分类器的选择中主要介绍了支持向量机的原理和思想。针对统计学习方法进行文本分类的缺点,提出了利用神经网络模型来进行文本分类,有效的解决了统计学习方法没有利用上下文信息等缺点。因此引出了新的神经网络模型—循环神经网络模型(RNN),并推导了循环神经网络的训练算法BPTT算法。最后的实验结果也表明了采用循环神经网络模型的分类系统相比统计学习方法的分类系统上在准确率与召回率上都有显著的提高。