随着多媒体技术和网络技术的不断发展,在互联网和移动平台上产生了大量的流媒体数据,其中流媒体数据中视频数据占比很大。视频分类是计算机视觉中的一个基础研究方向,是解决视频标注、视频检索的重要中间步骤,也是管理庞大多媒体数据的重要方法。近年来,随着深度学习不断发展并取得很好的成绩,越来越多的研究者将深度学习运用到视频相关技术中。基于深度学习的视频分类算法不仅提升了视频分类精度,同时还拓展了分类类别,并已经逐步用于实际的视频分类任务中,因此基于深度学习的视频分类具有很高的研究和商用价值。本文主要是基于深度学习相关技术,研究短视频分类任务。首先,介绍深度学习常用网络类型,主要包括卷积神经网络、循环神经网络和生成对抗神经网络。同时介绍深度学习常用编程框架和深度学习常用分类模型。然后,基于本论文主要研究的对象是视频数据,所以重点研究每种模态的特征提取方式。在此之前,介绍了传统图像特征提取和视频特征提取中的经典算法,然后基于深度学习相关模型,重点研究视觉特征、音频特征及文本特征的提取算法。之后,设计本文算法整体框架。主要研究聚类网络和注意力机制网络的原理,然后研究多模态特征融合方式,从而构建整体网络框架。最后,基于本文提出的算法,在相关数据集上做了大量的对比实验,详细分析实验数据。同时针对实验结果,提出各种改进的方法,并在公开数据集中进行实验,与其他模型做对比。