在本研究中，我们探讨了用于文本分类的胶囊网络及其动态路由机制。我们提出了三种策略来稳定动态路由过程，以减轻某些噪声胶囊的影响，这些噪声胶囊可能包含“背景”信息或未能成功训练。我们在六个文本分类基准数据集上对胶囊网络进行了一系列实验。结果显示，胶囊网络在其中四个数据集上达到了最先进的水平，这表明胶囊网络在文本分类中的有效性。此外，我们还发现，在从单标签文本分类向多标签文本分类迁移时，胶囊网络相较于强大的基线方法表现出显著的改进。据我们所知，这是首次对胶囊网络在文本建模中的应用进行实证研究。