English(EN) A Large-Scale Dataset for Multi-Class Financial News Classification in Brazilian Portuguese

新数据集推动巴西葡萄牙语金融自然语言处理

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 04:00

研究人员开发了一个包含约16万篇巴西葡萄牙语金融新闻文章的大规模数据集，以推动该地区的金融自然语言处理（NLP）。他们使用语义相似性建立了多类别分类的初始基准，评估了余弦相似性、K近邻（KNN）和FAISS等方法。实验表明，标签质量对性能有显著影响，KNN在手动标记数据上取得了最高的准确率，而LLM标注的数据由于标签不平衡和标注噪声，F1分数较低。 AI

影响该数据集和研究为开发更复杂的巴西葡萄牙语金融NLP工具奠定了基础。

排序理由该集群描述了一个针对特定NLP任务的新学术数据集和初步研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个针对特定NLP任务的新学术数据集和初步研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Leomax Bandeira, Gabriel Aguiar, Dalton C\'ezane Gomes Valadares, Luiz Pereira, Helder Fernando de Ara\'ujo Oliveira, Gustavo Xavier, Andson M. Balieiro · 2026-10-16 04:00

面向巴西葡萄牙语多类别金融新闻分类的大规模数据集

arXiv:2610.20630v1 Announce Type: new 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 Brazi…

本文如何被排名

报道来源 [1]

面向巴西葡萄牙语多类别金融新闻分类的大规模数据集

相关实体

相关话题