本发明公开了一种基于对抗训练和对抗学习网络的半监督文本分类方法，在初始化网络阶段，首先初始化预测网络，其次初始化评判网络；对抗学习训练阶段，通过预测网络和评判网络的对抗作用，利用policy gradient策略对预测网络进行不断的优化，直至达到最优的效果；模型预测阶段，使用已经训练好的预测网络对新样本的标签进行预测。该方法利用对抗训练可以有效提高模型的正则化能力，增强模型的鲁棒性，同时借鉴对抗学习可以直接利用未标记样本进行模型的训练，通过对抗学习网络中子网络间的对抗作用不断迭代，能有效提高网络的分类性能。