在如今的社会调查中,职业几乎成为必然采集的信息且样本量通常是非常大的,但是对职业进行编码是一个较为复杂的过程。在如今国内的大型社会调查中,通常会选择开放式问题对受访者进行提问,获取原始回答文本后,由专业编码人员对这些原始回答文本进行人工编码,但是人工编码的成本很高并且需要耗费大量时间。本文基于CLDS2014和CLDS2016数据集中的职业原始回答文本数据,测试了 XGBoost、逻辑回归以及Bert这三种机器学习算法在中文职业编码上的表现。Bert模型是近些年由谷歌新提出的自然语言处理语言模型,在很多自然语言处理任务中都显示出了良好的能力,这是该模型在中文职业编码上的首次尝试。本文的研究目的在于通过使用基于机器学习算法的文本分类技术实现中文职业描述自动化编码,对比不同机器学习算法的性能,从而解决在我国社会调查研究中,职业编码存在的成本高以及效率低的问题。本文首先对研究背景进行了论述,之后整理分析国内外在职业编码上的研究现状,从中获得研究方向和思路,确定研究方法,针对文本分类技术,阐述了中文文本分词和预处理技术以及文本特征提取的两种方法,最后介绍了本文选用的XGBoost、逻辑回归以及Bert这三种模型的基本原理。在实证分析部分,主要是通过三种机器学习编码器对职业原始回答文本进行自动编码,分别得出两种传统机器学习编码器使用不同文本特征提取工具的编码结果以及全部编码器在不同职业类别粒度上的编码结果,最后尝试通过降低模型编码率来提升模型的编码精确度。通过研究确定了两种传统机器学习分类器“XGBoost”和“逻辑回归”以及深度学习分类器“Bert”对中文职业原始回答文本进行编码是可行的。通过使用不同特征提取方法的编码结果得出,XGBoost算法使用TF-IDF模型时可以发挥出最大性能,而逻辑回归算法则需要使用词袋模型才能发挥出最大性能。对三种模型最优结果对比可以得知,Bert模型在不同编码粒度上的编码效果均是优于其他两个模型的,在职业细类编码上Bert模型的编码精确度达到0.849。最后通过引入阈值来降低模型生产率可以看出,该方法对提高模型编码精确度有显著帮助,当模型生产率降至0.7时,三种模型在职业细类上的编码精确度均可以提升到0.96以上,因此在实际编码工作中,使用自动编码与人工编码相结合的形式是可行的。虽然建立的编码模型总体编码效果较高,但是本研究也有一定的不足:（1）由于客观因素的限制,本文获取的数据并没有覆盖标准编码表中的全部职业类别,因此构建的模型无法在全部类别上对新文本进行编码。（2）本文只是主观的选择了其他两种传统机器学习模型,而没有选择过多的深度学习模型,无法获得Bert模型与其他深度学习模型的性能对比。本文的主要贡献在于:（1）首次尝试利用Bert模型对中文职业描述文本进行编码,获得编码效果。（2）对比了词袋模型与TF-IDF模型这两种文本特征提取方法在职业编码领域的应用效果。（3）对比了多种机器学习算法在职业编码工作中的优劣。（4）尝试通过降低模型生产率来提高模型编码精确度,为自动编码与人工编码相结合提供理论依据。