针对网络用户的传统人格分类方法提取文本语义特征不充分、分类准确率低的问题，提出一种基于文本图表示学习的人格分类方法。该方法利用自然语言处理技术，并结合深度学习和图网络模型，设计一种自适应图卷积网络(adaptive graph convolutional network, ADGCN),通过自适应调整机制优化节点表示，平衡了节点特征的局部与全局信息。在Kaggle数据集上的测试实验表明，F1分数最高为80%,且平均F1分数达到71.14%,比传统机器学习方法和预训练模型BERT提高近20%,展现了模型计算效率上的优越性。