文本分类是自然语言处理中文本数据挖掘和知识获取的关键技术。随着互联网的快速发展,文本数据呈现爆炸式增长,主题数量剧增,文本分类变得困难。如何根据主题驱动高效管理海量的文本数据,将杂乱无章的文本数据划分到明确的主题中,进行有序管理,成为目前迫切需要解决的问题。主题驱动是指根据主题明确的文本数据为待分类的文本数据确定主题。随深度学习在图像处理、语音识别和计算机视觉等领域特征捕捉方面取得的优异成绩,本研究把深度学习技术应用到新闻文本分类任务中,以CNN,LSTM为基础展开文本分类研究,主要完成以下工作:1.针对传统词袋法的文本表示特征维数稀疏,无法表征上下文信息等问题,使用Word2Vec中的Skip-gram模型将文档中的每个词映射到固定维数的实值向量,有效避免传统词袋法无法表征上下文信息等问题。实验表明,词向量维度为300时,分类的准确率最佳。2.针对深度学习在新闻文本分类中特征提取不充分的问题,本文在CNN,Bi LSTM的基础上进行改进,融合CNN,Bi LSTM的优点,得到Bi LSTM-CNN模型,并将其应用到新闻文本分类任务中。实验表明,Bi LSTM-CNN模型的分类准确率优于单一的CNN或Bi LSTM。3.针对Bi LSTM-CNN模型在新闻文本分类任务中准确率低的问题,本文利用Bi LSTM-CNN模型提取特征,使用XGBoost对提取的特征进行分类,将弱分类问题转换成强分类问题,并将实验结果与Naive Bayes、SVM、KNN进行对比分析。实验表明,融合XGBoost的分类模型优于Naive Bayes、SVM、KNN。