近年来,随着深度学习的迅猛发展,包括文本分类在内的自然语言处理任务表现得到了巨大的提升。但是由于深度神经网络属于黑盒架构,其模型决策的过程不具有透明性,因此模型可解释性较差。目前,越来越多的研究者正把目光投向可解释性机器学习这一领域。而语言智慧作为机器理解人类最为核心的模块,自然语言处理的可解释性研究正逐渐成为未来发展的方向之一。目前现存的可解释性方法主要分为两大类,一类是模型训练后应用解释方法对模型进行解释的事后可解释性方法,另一类是使用内置可解释性的可解释性模型方法。本文提出了两种面向深度文本分类模型的可解释性方法,第一种是属于事后可解释性的基于对抗样本的可解释性方法。该方法首先利用自编码语言模型生成的具有上下文语义的词向量,在词向量空间中利用梯度的可解释性,在模型反向传播时寻找可解释性扰动来生成对抗样本;然后利用对抗样本会使模型发生误分类,通过分析误分类的样本所添加的扰动强度来对其进行分析,以提高模型的可解释性。最后为了提高模型的鲁棒性,使用了对抗训练技术,并进一步拓展到针对半监督训练的虚拟对抗训练技术。第二种是属于使用可解释性模型的基于注意力机制的可解释性方法,引入了可解释性的评估准则。该方法首先为文本分类任务提供分类决策并生成基于细粒度的解释,并将解释和决策进行关联,提升解释的合理程度。为了生成更为合理的解释,引入了可解释因子作为评估解释好坏的准则,并且通过最小风险训练方法联合训练模型,使模型训练的更加准确。接着我们将注意力机制进行可视化来更为直观的展示输入对输出的影响,让人们理解决策结果。最后,我们给出实验的结果分析了注意力机制的可解释性。