随着信息处理技术和网络传输技术的急速发展,进入了信息爆炸的空前时代,人们急切的想通过互联网获得世界各地的最新新闻资讯,但每个人关注新闻的时间有限,无法快速的从杂乱的新闻消息中获得自己想看,关心的内容。新闻分类是一项对新闻进行分门别类的技术,能够按照新闻内容的领域、涵盖范围、种类等划分方式,将新产生的新闻进行自动化归类。用户可根据新闻类目快速找到自己所需要的资讯内容。新闻分类属于一种监督性的机器学习技术,算法需要根据已经标注好正确类别的新闻内容进行模型训练,再用模型对未知类别的新闻进行自动化分类。文章根据新闻类目标注需求设计了一个新闻标注系统,采用众筹的思想,让各个类别领域的人员参与新闻类别标注,为了保证标注质量,设计了一套标注规范及标注效果验证方法。根据新闻内容特点,文章对传统文本分类算法进行研究,综合分析算法原理及应用范围,选择了适合新闻分类的SVM算法。以SVM算法为基础,设计了一个基于SVM的新闻自动分类架构,并对架构中每个模块的设计思想进行了详细的介绍。针对SVM分类算法特点,对算法模型指标进行改进,将算法计算需要的特征进行关键特征选择操作,不断对特征抽取进行迭代运算,选取对分类贡献最大的一些特征,提升了模型运算速度。然后针对新闻中图片占比越来越大而文本占比越来越少的现状和趋势,在SVM分类中融合深度学习方法,利用卷积神经网络技术提取新闻中中图片的深层次特征,与文本的浅层特征一起参与到分类模型的训练,分类指标得到了一定的提高。