博客探讨了Cross-Lingual Document Classification的概念，即利用在一种语言上训练的模型进行另一种语言的文本分类。提到的数据集包括Reuters RCV1/RCV2 English-to-German和MLDoc Corpus，后者是Facebook基于路透社数据创建的多语言分类资源，旨在解决不同语言间类别分布不均衡的问题。重点讨论了模型参数的迁移可能性。
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：
扫一扫
872
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
