提出了一个基于级连神经网络（Cascade-Correlation Neural Network，CCNN）和SVD（Singular Value Decomposition）的文本分类新模型。该神经网络用级连相关算法来训练网络。大部分的文本分类系统用向量空间模型（Vector Space Model，VSM）来表现文档，然而这种方法需要很高的维度，并且考虑不到文本特征词间的语义隐含信息，因此分类效果不是太理想。引入SVD来学习和表现文本特征词，在降低特征维度的基础上，将文本特征的隐含信息表现出来。实验证明，在加快训练速度的基础上，提高了分类的精度。