Basándose en la arquitectura original de la red profunda, este documento reemplaza la red integrada profunda mediante la integración de FastText superficial, una red bidireccional de unidades recurrentes con compuertas (GRU) y las redes neuronales convolucionales (CNNs). En FastText, se combinan incrustaciones de palabras, 2-gramos y 3-gramos para extraer características del texto. En redes neuronales recurrentes (RNNs), se utiliza una red bidireccional de GRU para disminuir la pérdida de información durante el proceso de transmisión. En CNNs, se extraen características del texto utilizando varios tamaños de núcleo convolucional. Además, se utilizan tres algoritmos de optimización para mejorar las capacidades de clasificación de cada arquitectura de red. Los hallazgos experimentales utilizando el conjunto de datos de noticias de redes sociales demuestran que el modelo integrado es efectivo para mejorar la precisión de la clasificación de texto.