·阅读摘要：

 本文提出基于Seq2Seq模型，提出CNN-RNN模型应用于多标签文本分类。论文表示CNN-RNN模型在大型数据集上表现的效果很好，在小数据集效果不好。

·参考文献：

 [1] Ensemble Application of Convolutional and Recurrent Neural Networks for Multi-label Text Categorization

 [2] Seq2Seq模型讲解，参考博客：【多标签文本分类】代码详解Seq2Seq模型

  本文的收获有三：

  1、CNN-RNN模型；

  2、多标签数据集Reuters-21578；

  3、多标签评价指标：one-error 、hamming loss、Precision、Recall、F1

[1] CNN-RNN模型图

  如下图：模型很简单，左边是一个TextCNN模型，右边是一个解码器Decoder。

【注一】：在理解Seq2Seq的基础上，CNN-RNN模型很好理解。

[2] 多标签数据集Reuters-21578

  多标签数据集比较难得，获取数据集Reuters-21578，可以使用如下代码：

import nltk
import pandas as pd
nltk.download('reuters')
nltk.download('punkt')
# Extract fileids from the reuters corpus
fileids = reuters.fileids()
# Initialize empty lists to store categories and raw text
categories = []
text = []
# Loop through each file id and collect each files categories and raw text
for file in fileids:
    categories.append(reuters.categories(file))
    text.append(reuters.raw(file))
# Combine lists into pandas dataframe. reutersDf is the final dataframe. 
reutersDf = pd.DataFrame({'ids':fileids, 'categories':categories, 'text':text})

[3] 多标签文本分类评价指标

  one-error：统计top1的预测标签不在实际标签中的实例的比例；

  hamming loss：计算预测标签和相关标签的对称差异，并计算其差异在标签空间中的分数；