本发明属于人工智能的自然语言处理领域，具体涉及一种基于多层级文本异构图的分类方法、装置及电子设备，包括获取整句文本输入BERT模型构建整句‑子句‑词的多层级文本异构图，并输出整句特征表示；采用GAT网络训练多层级文本异构图，并提取多层级文本异构图中整句和子句的总特征表示；融合整句特征表示和总特征表示，将融合结果输入自注意力模块计算自注意力参数；将自注意力参数与融合结果相乘得到融合向量表示并输入分类模块，得到分类结果；本发明对整句进行拆分构造多层级异构图，利用图注意力网络学习多层级异构图的结构信息，与BERT得到的整句语义表示进行融合得到增强的文本语义表示并用于最后的分类，提升了文本的分类效果。