摘要： 针对当前中文文本分类方法难以平衡分类精度和学习效率的问题，提出了一种基 于极限学习机（ＥＬＭ）的中文文本分类方法，该方法包括预处理模块、文本特征提取模块、特征融 合模块和基于极限学习机的分类模块。在分类模块中，提出采用单隐层神经网络作为分类器并 使用ＥＬＭ算法来训练分类器，有效地平衡模型性能和学习效率。同时分别针对不同的特征训 练分类器，集成不同分类器的输出得到最后的分类结果，有效提高了平衡分类精度，并在电网档 案管理系统的档案归类任务中对该模型进行应用评估。实验结果表明，该模型不仅有较高的分 类精度，而且在训练和测试两个阶段模型的计算都具有较低的代价。所提方法适用于海量数据 下的中文文本分类场景，具有重要的研究意义和推广价值。