Aplicação em conjunto de redes neurais convolucionais e recorrentes para categorização de texto multi-rótulo

A categorização de texto, ou classificação de texto, é uma das principais tarefas para representar as informações semânticas de documentos. A categorização de texto multi-rótulo é uma abordagem mais refinada para categorização de texto, consistindo em atribuir múltiplos rótulos-alvo a documentos. É mais desafiadora em comparação com a tarefa de categorização de texto multi-classe devido ao crescimento exponencial das combinações de rótulos. Abordagens existentes para categorização de texto multi-rótulo não conseguem extrair informações semânticas locais e modelar correlações de rótulos. Neste artigo, propomos uma aplicação em conjunto de redes neurais convolucionais e recorrentes para capturar tanto a semântica textual global quanto a local e modelar correlações de rótulos de alta ordem, enquanto mantemos uma complexidade computacional tratável. Experimentos extensivos mostram que nossa abordagem alcança desempenho de estado da arte quando o modelo CNN-RNN é treinado usando um conjunto de dados de grande tamanho.