近年来,自然语言处理技术的快速发展加速了文本分类的研究进程,文本分类经历了人工构造分类器、有监督学习分类、半监督学习分类到现在的无监督分类。目前,常见的问题包括:文本分类数据中存在大量的多义词现象,这使得普通方法的效果不高;作为特殊的数据载体,中文文本语义体现在不同的方面,比如同音不同字、同字不同音、蕴含汉字背景含义的情况,这表明单单抽取汉字的语义信息不足以充分获取到句子的语义信息。针对以上不同问题,提出了对应的解决方案,具体如下。针对文本分类中多义词造成模型抽取语义不准确的问题,提出了一种将实体的事实知识注入到预训练模型BERT中的新方法。具体来说,首先,使用开源知识库查询实体的邻接节点作为实体的拓展语义,并将其与与所在文本句向量做相似度计算,得分最高的词即为中心词的具体含义。最后,SQu AD、NER等任务上分别对模型进行验证和测试。实验结果表明,模型在SQu AD、NER等任务上优于同样参数的BERT模型。针对中文文本分类中文本语义的多种表达形式的情况,提出了一种基于汉字多粒度表达的语义融合框架。具体来说,首先,分别使用相关工具生成中文对应的偏旁部首、拼音以及五笔序列。然后,提出一种基于注意力机制的模型框架融合汉字、拼音、五笔和偏旁部首级别的语义来进行中文文本分类。模型在四个广泛使用的开源中文文本分类数据集上进行测试,并详细对比了包括LSTM、BERT等多个模型。实验结果表明,融合多粒度的模型架构在中文本分类中要优于普通的分类模型。针对文本分类中实体对文本的重要影响,提出了一种实体感知机制的文本分类模型。具体来说,在文本中占据重要意义的实体之间的联系构成了非欧几里得图结构,普通的基于序列的神经网络不能够有效抽取其实体间联系的特征。为此提出了图卷积神经网络对实体图进行特征卷积,并将实体的词嵌入注入到文本序列中形成了实体感知的文本分类编码器,以此提高模型对文本关键特征的抽取能力。最后,在THUCNews上进行对比实验,实验结果表明,在绝大部分情况下,基于实体感知的分类模型要优于普通的文本分类模型。