Luận văn tập trung nghiên cứu các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến và ứng dụng chúng vào bài toán phân loại văn bản tiếng Việt. Nội dung chính bao gồm khảo sát các phương pháp biểu diễn văn bản như Word2Vec, FastText và BERT, cùng với các mô hình học sâu như LSTM, CNN và Transformer. Luận văn đề xuất một quy trình xử lý đặc thù cho tiếng Việt, bao gồm tách từ, chuẩn hóa và xây dựng bộ dữ liệu huấn luyện. Kết quả thực nghiệm trên các tập dữ liệu văn bản tiếng Việt đa dạng cho thấy mô hình kết hợp PhoBERT với các lớp phân loại đạt độ chính xác cao nhất, vượt trội so với các phương pháp truyền thống. Nghiên cứu cũng chỉ ra những thách thức đặc thù của tiếng Việt như từ ghép, từ mượn và hiện tượng đa nghĩa, đồng thời đề xuất hướng cải tiến để nâng cao hiệu quả phân loại trong các ứng dụng thực tế.