En los últimos años, ha habido un crecimiento exponencial en el número de documentos y textos complejos que requieren una comprensión más profunda de los métodos de aprendizaje automático para poder clasificar textos con precisión en muchas aplicaciones. Muchos enfoques de aprendizaje automático han logrado resultados sobresalientes en el procesamiento del lenguaje natural. El éxito de estos algoritmos de aprendizaje depende de su capacidad para entender modelos complejos y relaciones no lineales dentro de los datos. Sin embargo, encontrar estructuras, arquitecturas y técnicas adecuadas para la clasificación de textos es un desafío para los investigadores. En este artículo, se discute una breve visión general de los algoritmos de clasificación de textos. Esta visión general abarca diferentes extracciones de características de texto, métodos de reducción de dimensionalidad, algoritmos y técnicas existentes, y métodos de evaluación. Finalmente, se discuten las limitaciones de cada técnica y su aplicación en problemas del mundo real.