返回全部动态

巴西葡萄牙语金融新闻多类分类大规模数据集

原标题:A Large-Scale Dataset for Multi-Class Financial News Classification in Brazilian Portuguese

arXiv cs.CL一手来源研究质量 81

AI 摘要

研究者发布了一个约16万篇巴西葡萄牙语金融新闻的大规模数据集,以缓解该领域数据稀缺问题。他们构建了六个类别(钢铁、石油、银行、金融科技、一般市场影响、无关),并分别用人工和LLM零样本标注子集。实验比较了余弦相似度、KNN和FAISS三种基于多语言语义嵌入的分类方法,发现任务对标签质量和类别分布高度敏感:人工标注子集上KNN最佳(准确率47.3%,F1 31.9%),而LLM标注子集准确率约50%但F1降至约20%。

以上摘要由 AI 生成,可能存在误差。事实请以原文为准。

正文节选

A Large-Scale Dataset for Multi-Class Financial News Classification in Brazilian Portuguese Abstract The development of Financial Natural Language Processing (NLP) systems for Brazilian Portuguese is hindered by the scarcity of domain-specific datasets. To address this, we present a large-scale corpus of approximately 160,000 Brazilian Portuguese financial news articles collected from web sources. To establish initial benchmarks for a weakly supervised multi-class classification approach based o


发布时间:2026-10-16 12:00
抓取时间:2026-10-16 12:03
来源机构:arXiv
阅读原文arxiv.org