【目的】构建儿童读物层级多标签分类模型，实现对儿童读物的自动化分类，以引导儿童读者选择适合自身发展情况的读物。【方法】将分级阅读的理念具化成儿童读物层级分类标签体系，采用深度学习技术构建ERNIE-HAM模型，并将其应用于儿童读物的层级多标签文本分类。【结果】通过对比4种预训练模型，ERNIE-HAM模型在儿童读物层级分类的第二层级、第三层级分类中具有较好的表现；对比单层级算法，层级算法在第二层级和第三层级的AU　(-P-R-C-)值都提升了约11个百分点；对比HFT-CNN和HMCN两个层级多标签分类模型，ERNIE-HAM模型在第三层级的分类结果中AU　(-P-R-C-)值分别提升12.79和6.48个百分点。【局限】ERNIE-HAM模型的整体分类效果有待进一步提升，未来在数据集的体量扩充和算法设计上需要进一步完善和探索。【结论】ERNIE-HAM模型在儿童读物层级多标签分类任务上具有有效性。