本发明公开了一种基于量子启发式神经网络的文本分类方法，包括训练数据；构建初级文本分类模型；采用训练数据对初级文本分类模型进行训练得到文本分类最终模型；采用文本分类最终模型对实际文本进行分类。本发明还公开了一种包括所述基于量子启发式神经网络的文本分类方法的邮件分类方法。本发明采用量子力学中的密度矩阵表示句子级别的文本，使用投影测量确定文本极性；采用GRU提取文本语义特征，丰富词向量的语义信息，提升模型在文本分类任务中的效果；在GRU层，添加自注意力层，使模型能够关注到句子中的重要单词，降低影响分类结果的单词的权重，进一步提升模型的分类效果；因此本发明方法可靠性高、实用性好且精确度较高。