本文使用数据库作为数据源,利用文献计量学和视觉分析方法,统计分析有关文件发表在文本分类领域在过去的十年里,阐明发展背景和文本分类领域的研究现状,并预测在文本分类领域的研究重点和研究前沿。基于深入研究的背景、研究现状、相关理论,和在线新闻文本分类的发展,本文分析了年度出版趋势,学科分布、期刊分布、机构分布、作者分布、高被引文献分析和研究热点。前沿等方面阐明发展背景和文本分类领域的研究现状,为进一步发展提供一个理论参考的文本分类领域。然后,在文本分类系统的研究的基础上,深度学习,和新闻文本分类理论,基于深度学习网络新闻文本分类模型,并详细介绍了每个模块的功能,这将有助于未来的新闻文本分类应用和改进提供理论依据。前辈的基础上,本文分别研究并改进了基于卷积神经网络,神经网络模型循环神经网络,和注意力机制,将三个模型合并为一个模型,可以获得当地的相关特性和上下文特征和突出关键字的作用。最后,实验是用来验证模型的有效性提出了与传统文本分类和比较来证明的优越性网络新闻文本分类基于深度学习在本文提出。本文旨在研究的内在联系,新闻评论和投票的数量受新闻评论,并通过该模型,选票的数量为新闻评论可以预测。