该文综述法律领域多标签文本分类研究：构建EURLEX数据集（含5.7万份法律文档、约4300个EUROVOC标签），带标签注意力的BiGRU优于现有模型，领域词向量、ELMo嵌入及BERT微调可进一步提升性能；MULTI-EURLEX多语言数据集表明部分微调能缓解零样本跨语言迁移中的知识遗忘；LawBench评估显示GPT-4表现最佳但仍有提升空间；编码器-解码器方法与检索增强方法在低资源、长文档场景下表现更优。

该研究提出了一个新的数据集EURLEX，用于大规模多标签文本分类。该数据集包含57k个法律文档，注释有4.3k个EUROVOC标签。实验表明，具有标签注意力的BIGRU模型优于其他模型，领域特定的WORD2VEC和上下文敏感的ELMO嵌入进一步提高了性能。研究人员发现，只考虑文档中的特定区域就足够了，并使用fine-tune BERT在所有情况下获得了最佳结果。