随着大数据时代的到来,互联网用户和网络新闻用户数目激增,出现了各类的新闻媒体平台,新闻文本的数量可以说是在爆炸式的增长之中。对于使用新闻客户端的用户来说,每个人都希望快速准确地从平台上找到自己感兴趣的新闻进行阅读,而对新闻媒体平台而言,将众多的新闻文本信息进行有效的分类也是做好新闻媒体平台很关键的一步。由于中文本身的复杂性,中文新闻分类的难度比起英文新闻要高不少,因此研究中文新闻文本分类对于推进新闻工作具有十分重要的意义。近年来由于深度学习的快速发展,文本分类任务的效果得到了进一步提升,而新闻文本分类作为文本分类领域内的研究课题,也得到了越来越多学者的关注。然而目前新闻文本分类的研究对象大部分都局限于新闻正文内容上,并且训练方法大多数都基于需要大量有标签样本的有监督学习。虽然这样能达到比较高的分类效果,但基于新闻正文内容进行分类容易导致训练效率的低下,大量的标记样本也会消耗大量的人力物力。为解决这些问题,本文以新闻标题作为新闻文本分类的切入点,研究对比了多种深度学习模型在新闻标题分类上的分类效果。基于THUCNews数据集,为了研究注意力机制和最大池化层对于Bi LSTM模型在新闻标题分类任务中的影响,构建了Bi LSTM、Bi LSTM-Attention和Bi LSTM-Maxpooling三种模型进行分类实验,实验结果表明注意力机制和最大池化层都能一定程度上提升Bi LSTM模型在新闻标题分类任务中的分类能力,且Bi LSTM-Maxpooling模型分类效果要明显优于Bi LSTM和Bi LSTM-Attention模型,与Bi LSTM模型相比,Bi LSTM-Maxpooling在准确率上提升了1.25%,Bi LSTM-Attention则提升了1.02%。由于近年来预训练模型在自然语言处理领域中大放异彩,因此本文进一步将预训练模型ERNIE-tiny、BERT与Ro BERTa引入,并与NB、SVM、Bi LSTM-Maxpooling以及Text CNN模型进行对比实验,结果表明深度学习模型在新闻标题分类任务上效果要明显优于NB、SVM等机器学习算法,且对于深度学习模型而言,Ro BERTa模型的分类效果最好,准确率达到了96.69%,比Bi LSTM-Maxpooling模型和Text CNN模型分别提升了2.66%、2.71%,说明预训练模型在新闻标题分类中有明显的优势。针对有监督新闻文本分类需要大量已标记的新闻样本,而无法充分利用未标记的新闻原始样本的问题,本文将深度学习算法与半监督学习中的Tri-Training算法进行结合,构建了基于Tri-Training的半监督新闻文本分类模型。为了研究标记样本占比对模型分类效果的影响,确定半监督分类模型最佳的有标签样本比例,文中在THUCNews和今日头条两个不同的数据集上进行实验,将不同比例的标记样本的标签隐去进行实验对比,发现标记样本在训练样本中的比重对半监督学习的分类效果有显著的影响。在标记样本的比例从5%一直提升到20%的过程中,半监督分类模型的提升较为明显,而当标记样本比例超过20%之后,由于模型可以学习的信息逐渐饱和,所以提升的速度开始变缓。综合考虑分类效果和标注成本的情况下,本文的半监督分类模型将标记样本的比例定为20%。为了进一步验证模型的有效性,在THUCNews数据集下,将本文的基于Tri-Training的半监督新闻文本分类模型和基于Ro BERTa的自训练模型以及有监督深度学习模型进行了对比实验,实验结果表明本文的半监督分类模型在20%标记数据下的分类效果能够优于Bi LSTM Maxpooling以及Text CNN模型在全部标记数据下的分类效果,且相比于基于单一模型的自训练模型在分类效果上也有明显提升,说明本文提出的基于Tri-Training的半监督新闻标题分类模型是有效的。