Классификация текстов является одним из ключевых вопросов исследования в области разработки текстов, где документы классифицируются с учетом информации. Поскольку алгоритмов классификации текста достаточно большое количество, то на данный момент является необходимым составить обзорный перечень их, дабы упростить ориентацию в классификационных инструментах, которые доступны на данный момент. Многие схемы представления текстов и алгоритмы классификации/обучения, используемые для классификации текстовых документов по заранее определенным категориям, можно найти в литературе, но некоторые из них требуют детального анализа и раскрытия потенциала. Целью этой статьи является обзор различных схем представления текста и сравнение различных классификаторов, которые используются для классификации текстовых документов по предопределенным категориям. В качестве методов во время исследования использовался метод сравнения – сравнивались современные подходы классификации, используемые алгоритмы, которые основаны на критериях и на временной сложности, а также методы анализа, моделирования и комбинирования. В результате исследования для автоматической классификации документов было предложено несколько алгоритмов или сочетаний алгоритмов в качестве гибридных подходов. Классификатор SVM (Support Vector Machine) был признан одним из наиболее эффективных методов текстовой классификации при сравнении управляемых алгоритмов машинного обучения. Был сделан вывод, что SVM улавливает присущие данным характеристики и встраивает принцип минимизации структурного риска SRM (Structural Risk Minimization), который минимизирует верхнюю границу ошибки обобщения, лучше, чем принцип минимизации эмпирического риска.