在大数据时代,每天都有大量的短文本信息产生,这类信息大多以用户评价、网络新闻、问答等形式出现。面对数量巨大的短文本,如何将其有效的进行分类,对新闻推送、挖掘用户偏好、用户情感分析等应用领域有着重大的意义。然而短文本往往具有字数限制、信息内容少、主题特征稀疏等问题,传统文本分类方法无法在短文本分类问题上获得较好分类效果,因此如何准确地将短文本进行分类是一个研究难点与重点,本文主要针对短文本的分类问题进行了方法的研究。首先,本文提出了一种基于新词特征扩展的短文本情感分类方法。针对短文本内容信息少、特征稀疏的问题,本文应用了一种基于信息熵与互信息的新词发现算法,并使用条件随机场与近义词库对这些新词进行近义词扩展,从而丰富了原始短文本中可以用于情感分析的词汇,实现了针对原始短文本的特征扩展,然后再使用Bi LSTM与注意力机制对扩展后的短文本进行特征提取,完成基于情感的分类任务。通过实验验证,本文所提出的算法能够实现较好的分类效果。其次,本文研究了针对短文本的基于类别的分类问题,提出了一种融合主题特征的短文本类别分类方法。该方法同时考虑了短文本本身的文本特征信息和主题特征信息,完成了针对短文本的类别分类任务。首先,该方法通过LDA主题模型获得短文本的主题特征;接着通过Bi LSTM-CNN-Attention获得短文本的文本特征,然后将其与获得的主题特征进行融合,从而达到短文本特征扩展的目的,最后,根据扩展后的特征实现类别的分类。本文通过实验,验证了该方法可行性。