现实世界中，多标签文本比单标签文本具有更广泛的应用场景，但其输出空间的庞大给分类任务带来了更多的挑战。将多标签文本分类问题看作标签序列生成问题，把序列生成模型（SGM）应用于多标签文本分类领域，并针对该模型的顺序结构容易产生累积误差等不足，构建了基于动态路由（DR）的序列生成模型（DR-SGM）。该模型基于Encoder-Decoder模式：Encoder层中使用双向长短期记忆（Bi-LSTM）神经网络+Attention进行语义信息编码；Decoder层设计了一种基于动态路由的解码器结构，该结构在隐含层后添加了动态路由聚合层，利用路由参数的全局共享减弱了累积误差产生的影响。同时，动态路由能捕获文本中部分-部分、部分-整体的位置信息，并且通过优化动态路由算法进一步提高了语义聚合效果。将DR-SGM应用于多标签文本分类，实验结果表明，在RCV1-V2、AAPD和Slashdot数据集上，多标签文本分类效果得到了有效的提升。