تصنيف النصوص (Text Classification) هو نوع من تقنيات معالجة اللغة الطبيعية (Natural Language Processing, NLP) التي تعتمد على محتوى النص لتصنيفه تلقائيًا إلى فئات أو تسميات محددة مسبقًا في مهام التعلم الآلي. تعمل هذه التقنية من خلال تحليل المفردات والدلالات ومعلومات السياق في النص، مما يتيح التنظيم والإدارة التلقائية لكميات كبيرة من البيانات النصية غير المهيكلة، وتُعد واحدة من المهام الأساسية في استرجاع المعلومات وتحليل المحتوى وأنظمة اتخاذ القرار الذكية.

يعتمد تطوير تصنيف النصوص على أساس بحثي طويل الأمد في مجالات متعددة مثل النماذج اللغوية الإحصائية والتعلم الآلي ومعالجة اللغة الطبيعية. اعتمدت الطرق المبكرة عادةً على ميزات مصممة يدويًا (مثل نموذج حقيبة الكلمات، TF-IDF) مقترنة بخوارزميات التصنيف لإتمام تحديد فئة النص، لكنها واجهت قيودًا معينة في فهم الدلالات المعقدة وتمثيل الميزات. في عام 2014، قدم الباحث يون كيم من جامعة نيويورك في ورقته الشبكات العصبية التلافيفية لتصنيف الجمل طريقة استخدام الشبكات العصبية التلافيفية (CNN) لتصنيف الجمل، مما أظهر فعالية نماذج التعلم العميق في تمثيل النصوص ومهام التصنيف، وأصبح واحدًا من الأعمال البحثية التمثيلية المهمة في مجال تصنيف النصوص العميق.

تعتمد طرق تصنيف النصوص الحديثة عادةً على نماذج اللغة المدربة مسبقًا (مثل نماذج فئة BERT)، والنماذج اللغوية الكبيرة (LLM)، والشبكات العصبية العميقة لتعلم التمثيل الدلالي في النصوص، وإتمام مهام مثل تحليل المشاعر، وتصنيف المواضيع، والتعرف على النوايا، وكشف الرسائل غير المرغوب فيها. مع تطور النماذج اللغوية واسعة النطاق، تحول تصنيف النصوص تدريجيًا من الأساليب التي تعتمد على هندسة الميزات اليدوية إلى الأساليب القائمة على فهم الدلالات ونمذجة السياق، مع تحسن مستمر في القدرة على التكيف مع سيناريوهات النصوص المعقدة. حاليًا، تُستخدم هذه التقنية على نطاق واسع في تحليل الرأي العام، وترتيب نتائج البحث، وأنظمة خدمة العملاء، ومراجعة المحتوى، وإدارة المعرفة المؤسسية وغيرها من المجالات.