随着互联网技术的发展和智能设备的高度普及,信息爆炸已经成为了一个越来越棘手的问题,各类文本信息呈爆炸式增长。新闻文本作为一种重要的数据承载形式有着重要的地位,如何在巨大的信息源中准确、快速的获取到有价值的信息成为人们的迫切需要,这也是工业界和学术界一直关注的热点问题。新闻文本分类系统的研究和实现不仅可以直接应用于广告、信息推荐等领域中,而且还可以为其他各类项目提供前置支持,是文本处理领域不可或缺的环节。比如,在广告领域,通过对各类新闻文本进行分类后,可以根据分类结果对广告主推荐相关分类领域的关键词以供广告主购买;对候选新闻进行过滤,进而提高推荐系统的准确率,以及在信息检索中依据类别信息制定不同的检索策略等。为了在海量的信息源中准确、快速的获取到有价值的信息,需要设计出一个分类系统对各类新闻文本进行分类,这也是新闻系统平台的价值所在。论文分析了文本分类技术的各个步骤和常用分类算法以后,以TextCNN和Lightgbm为基础算法来搭建最终分类模型,通过对计算效率、平台轻量级、分类性能的综合考量后,确定了以Python为开发语言,Flask轻量级框架作为平台框架,SQLite作为存储数据库的主要技术路线,通过python和Tensorf low完成了分类模型的搭建工作,并在此基础上搭建新闻分类平台系统,且测试阶段的测试结果表明了分类模型的性能符合预期效果。