针对极限学习机文本分类精度低的问题，利用双向编码器结合transformer（BERT）和改进的极限学习机（ELM）的短文本分类算法，提出了一种混沌优化麻雀搜索算法（Lvy CSSA）算法和Lvy飞行策略来优化ELM的权重和偏差。该算法利用混沌映射使初始个体尽可能均匀分布，增加初始种群的多样性，并利用Lvy飞行搜索策略提高全局搜索能力。以电力客户服务工单为验证对象，结果表明，该方法能较好地表达电力客户服务工单的语义信息。与列出的其他经典模型相比，F1值显著提高，验证了模型的有效性。