近年来,互联网技术迅猛发展,已经应用在我们日常生活中的各个领域。互联网技术也大量应用在农业领域,农业信息化开始出现在人们的视野中。国家高度重视目前中国农业信息化建设的发展,因此投入了大量人力和物力,许多优秀的研究者投身于农业信息化领域进行研究。在线农业信息以指数增长的形式进入大众的视野中,但是人们不知如何从浩瀚杂乱的数据集中用最快的时间和最方便的方法来获取自己需要的信息数据。按照当前这种情况下来看,选择最优的农业信息文本分类方法来获取相关的农业信息至关重要。通过文本分类算法模型对吉林省农业信息文本数据集进行自动分类操作,可以提高文本分类结果的精确度,减少进行文本分类实验操作的时间,使农业知识信息的利用率大幅提升。主要工作如下:(1)吉林省农业信息文本数据集准备阶段以及吉林省农业信息集文本预处理阶段:首先利用网络爬虫程序爬取吉林省相关栏目下的文档作为农业信息集,然后使用Jieba分词方法对吉林省农业信息文本集进行分词处理。并且通过利用停顿词表,把农业信息文本集中的语气助词,标点符号,数字等一系列不能代表文本特征的词汇去除。然后对完成分词处理和去停顿词处理的文本集进行降维操作,最后将文本进行文本向量化表示。(2)吉林省农业信息文本集分类操作实现过程:利用文本分类算法对通过预处理技术生成的向量文件进行文本分类实验,研究了机器学习方法中的决策树分类方法和贝叶斯分类算法;深度学习方法中的卷积神经网络分类方法、循环神经网络分类方法和长短期记忆网络分类方法;混合模型中的C-LSTM模型和RCNN模型。通过各个方法建立模型,用建立好的模型对吉林省农业信息集进行文本分类实验操作。对各个分类模型的实验结果进行比较,对比分析各个模型的优点与缺点,发现混合模型进行文本分类实验分类精度是最好的。