行业落地arXiv cs.CL4 天前
A Large-Scale Dataset for Multi-Class Financial News Classification in Brazilian Portuguese
该论文发布约16万篇巴西葡萄牙语金融新闻的大规模语料库，填补该领域数据集稀缺的空白。作者用人工和LLM两种方式标注子集，并对比余弦相似度、KNN和FAISS三种语义检索分类方法。结果显示任务对标签质量和类别分布高度敏感，人工标注下KNN最佳（准确率47.3%），LLM标注下F1骤降至约20%，凸显高质量人工标注的必要性。