Cross-Lingual Document Classification

Cross-Lingual Document Classification

跨语言文档分类，指在训练数据多的语言分类任务中训练模型，用于另一种文本较少的语言分类任务。

是否可以在一种语言分类中训练gml模型中的参数（因子的参数等），再用于另一种语言分类任务？

Reuters RCV1/RCV2 English-to-German：
路透社的不同语言的新闻报道。

MLDoc (Multilingual Document Classification Corpus)：
多语言文档分类语料库，是涵盖英语，德语，法语，西班牙语，意大利语，俄语，日语和中文的跨语言文档分类数据集。
Facebook根据路透社语料库构建。原语料库中不同语言之间的类先验分布有显着差异，此数据集先验类别较均衡。

MLDoc Zero-Shot English-to-Chinese：