文本分类技术是对海量文本进行组织、管理的一种方式,具有广泛的应用场景。传统文本分类技术建立在封闭世界假设之上——即假设所有文档均属于预定义类别,而现实复杂应用场景大多不满足封闭世界假设,在现实应用场景下可能有新类别的样本出现。在这类应用场景,直接应用传统文本分类技术可能造成隐患。基于开放世界假设的文本分类任务要求分类系统检测出未知类别样本并自动地对这些未知类别样本进行标注,进一步将新类别的样本整合到现有分类器,增强模型的分类能力。本文主要研究基于开放世界假设的文本分类任务中的两个关键任务,“未知类别检测”和“新类别发现”。针对“未知类别检测”任务,本文提出了一种基于开放世界假设的文本分类精炼特征学习模型。现有算法根据最小化已知类别多分类损失的目标进行特征学习,所学习到的特征仅仅对于已知类别有区分度,很难对已知类别和未知类别有区分度,进而在该特征空间中难以区分已知类别样本和未知类别样本,导致未知类别的识别率降低。本文提出的模型通过以已知类别的类别描述特征为原型引入外部知识,以原型损失的方式参与模型训练过程,借助人类对已知类别的丰富知识,提取了已知类别的显著特征,提高了模型对未知类别和已知类别样本的识别率。针对“新类别发现”任务,本文提出了一种基于二分类交叉熵损失的新类别发现算法。现有新类别发现算法采用聚类算法发现新类别,因此在特征空间中类内相似度应该大于类间相似度。然而现有算法的模型训练任务目的是学习类别线性可划分的特征表示,类内相似度可能小于类间相似度,因此现有模型样本聚类效果较差。本文提出的新类别发现算法通过最小化二分类交叉熵损失作为模型训练优化目标,进一步增大特征空间中类间差异性以及类内相似度,从而提高聚类算法在该特征空间的聚类效果;该算法采用了聚类效果最先进的聚类方法FINCH代替KMeans算法,进一步提高了新类别样本自动化标注质量。