当今世界全球化进程日益加快,不同国家和民族之间的交流愈加频繁,但是语言的差异一直是阻碍全球化交流进一步发展和进步的重要因素。跨语言文本分类技术通过克服不同语种之间的差异,实现组织和管理不同语种的文本数据,使得用户可以更高效地定位和使用多语种语言的文本数据。在此背景下,本学位论文在朝汉跨语言文本分类领域开展研究,通过结合跨语言词向量和对抗训练,提高朝汉跨语言的词和句子在特征空间中的对齐效果,实现朝汉跨语言文本分类,并在此基础上设计和实现了基于分类的朝汉跨语言文本检索原型系统。本文的方法可以有效减少不同语种的特征差异,对解决低资源语言的跨语言文本分类问题具有重要的实际应用价值。首先,对朝汉词语特征进行对齐,采用自学习映射方法构建朝汉跨语言词向量。通过构建小规模的随机种子词典训练映射矩阵,并利用映射矩阵得到新的种子词典继续训练映射矩阵,最终通过映射矩阵得到同一特征空间中的两种语言的单词表示,使得具有同语义的不同语种单词词向量之间具有较高的相似度。其次,结合对抗训练机制解决跨语言特征差异问题。收集3万篇中朝科技文献摘要文本和4万篇中韩新闻数据集,通过卷积神经网络和自注意力机制的特征提取器实现文本特征提取。其中通过卷积神经网络提取文本的局部语义信息,使用自注意力机制提取文本的长距离语义信息,再通过构建判别器对所输入文本特征进行语种判断,使判别器难以判断文本特征来源的语种,以实现跨语言特征对齐,最终应用至跨语言朝汉文本分类任务中。最后,设计并实现了一个基于跨语言文本分类的朝汉跨语言文本检索原型系统。系统主要有3个功能模块:存储模块、分类模块和检索模块。本文基于pyqt5设计用户交互界面,存储模块中利用kdtree数据结构组织数据以保证高效检索;分类模块是本文提出的朝汉跨语言文本分类模型的应用实现;检索模块通过利用分类模型中特征提取部分构建文本特征表示,并通过计算余弦相似度检索朝鲜语和汉语的相关文本。本学位论文提出的方法在不依赖对齐语料和目标语言标注数据的情况下,在朝汉跨语言文本分类任务中取得了良好的效果。实验表明,本文提出的多层语义对齐的朝汉跨语言文本分类模型与其他跨语言模型相比,不仅拥有更好的性能,还可以提高单语文本分类任务的准确率,对目标语言的小规模标注数据的利用方面也更有效率。测试结果表明,本文设计实现的检索原型系统具有良好的跨语言文本检索性能。