arXiv 自然语言处理· Leomax Bandeira, Gabriel Aguiar, Dalton C\'ezane Gomes Valadares, Luiz Pereira, Helder Fernando de Ara\'ujo Oliveira, Gustavo Xavier, Andson M. Balieiro·· 9 小时前AI 评分30
用于巴西葡萄牙语多分类财经新闻分类的大规模数据集
A Large-Scale Dataset for Multi-Class Financial News Classification in Brazilian Portuguese
AI 导读
研究人员构建了一个包含约 160,000 篇巴西葡萄牙语财经新闻的大规模语料库，并分别通过人工和 LLM 标注子集建立弱监督基准。评测采用多语言语义嵌入及余弦相似度、KNN 和 FAISS 等方法，在人工标注子集上 KNN 取得最佳的 47.3% 准确率和 31.9% F1 分数。LLM 标注子集因标签噪声和不平衡导致 F1 分数降至接近 20%。
来源：arXiv 自然语言处理 · arxiv.org