我有一个任务，其中输入是一个已解析的文档（即，1 个字符串或标记中的全文），我需要将部分文本分类为 5 个类（即，整个文本中的 5 个标记被标记为 5 个不同的类）。
例子：
文档#1：“... cat ...”（标记“cat”属于“0”类，即动物）
文档#2：“...fish ...”（标记“fish”属于“0”类，即动物）
重要的是要注意，在推理时，我拥有整个文档（文本），因此其中的大多数标记不属于任何类。
什么是完成这项任务的好方法？我想到了一个简单的分类问题，我从每个文档中获取标记的标记并将其输入到 RNN 分类器中，但这会忽略文档的其余部分，并且在测试时，不相关的标记可能比标记的标记具有更大的概率。
我也有一个受 YOLO 启发的想法，可能会在整个文本上应用 1D CNN 对象检测器（具有相应的类数）。这合理吗？
谢谢。