Tématem této práce je úloha automatické klasifikace textů podle politického zabarvení a političnosti pomocí modelů strojového učení. Sestavili jsme obsáhlý přehled existujících datových sad a modelů pro tyto úlohy, přičemž zjišťujeme, že většina stávajících prací vytváří neuniverzální řešení s nízkou přenositelností na typy textu, které nebyly přítomny v trénovací sadě. Pro překonání tohoto omezení kombinujeme 12 existujících datových sad pro klasifikaci politického zabarvení. Pro političnost vytváříme novou datovou sadu tím, že značkujeme příslušným štítkem 18 existujících sad s různými tématy a povahami textu. Prostřednictvím rozsáhlé experimentace vyhodnocujeme úspěšnost stávajících modelů a trénujeme nové s vylepšenými generalizačními schopnostmi.