现有的层次文本分类（HTC）方法试图在模型训练过程中捕捉标签层次结构，但在推理时要么对每个标签做出局部决策，要么完全忽略层次信息。为了解决训练与推理之间的不匹配问题，并以更加系统的方式建模标签依赖关系，我们将HTC表述为一个马尔可夫决策过程，并提出通过深度强化学习来学习一种标签分配策略（Label Assignment Policy），以确定对象的放置位置以及何时停止分配过程。所提出的HiLAP方法在训练和推理阶段均以一致的方式探索层次结构，并作出相互依赖的决策。作为通用框架，HiLAP可以结合不同的神经编码器作为基础模型进行端到端的训练。在五个公开数据集和四种基础模型上的实验表明，HiLAP在宏F1指标上比扁平分类器平均提高了33.4%，并且大幅优于当前最先进的HTC方法。数据和代码可在https://github.com/morningmoni/HiLAP 获取。