随着信息技术的迅猛发展，档案信息大数据的规模急剧增长，传统分类方法难以满足高效、准确处理档案信息大数据分类需求。本研究将深度学习算法应用在档案信息大数据分类中，首先从多种渠道收集档案信息数据，然后使用数据归一化将档案信息大数据映射到特定的区间，并将每个特征子空间采用超采样方法。实验结果表明：迭代次数为800次时，准确率及召回率高达98.3%及97.3%,较迭代次数200次增加11.95%及23.94%,增加幅度较大，表明深度学习模型可有效识别档案信息数据的主要特征，能够对大部分样本进行正确分类；深度学习算法数据分类时间为65.2 ms,较蚁群算法与遗传算法分别下降6.89%、17.72%,表明深度学习模型的数据分类性能较好，可以在较短时间内对数据进行分类。