arXiv cs.CL· Phat Huu Ha, Nguyen Xuan Phuc, Nong Nhut Quy, Trinh Tran Tran, Nguyen Minh Triet, Dang Van Thin·· 12 小时前AI 评分21
专用决策模型在越南语上表现如何？一项文本分类实证研究
How Well Do Decision Models Transfer to Vietnamese? An Empirical Study of Text Classification
AI 导读
研究评估了四个专用决策模型在越南语零样本文本分类上的表现，覆盖六大任务组的 13 个分类设置。在英文标签描述下，JEV 整体表现最强，在 11 个设置中排名第一；双语标签描述未带来一致提升。鲁棒性实验显示，去除变音符号造成的性能下降最大，平均 macro-F1 下降 9.51–15.47 点，明显超过 teencode 和拼写错误的影响。
正文 · AI 翻译
摘要：专用决策模型的最新进展拓展了零样本分类的可能性，但其在越南语上的有效性仍缺乏充分探索。本研究评估了四种专用决策模型在涵盖六个任务组的 13 种分类设置下的表现，考察零样本性能、对标签描述语言的敏感性以及对越南语语言变体的鲁棒性。评估考虑了英语、越南语和双语标签描述，以及涉及网络俚语、拼写错误和去除变音符号的常见语言扰动。在英语标签描述下，JEV 取得最强的整体表现，在 11 种分类设置中排名第一。标签描述语言的影响因模型和数据集而异，双语描述未带来一致的提升。鲁棒性实验表明，去除变音符号造成的性能下降最为显著，使各模型配置的平均宏 $F_1$ 降低 9.51--15.47 分，远大于网络俚语或拼写错误的影响。这些发现凸显了在评估用于零样本文本分类的专用决策模型时，标签描述选择和越南语正字法变异的重要性。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.31422 [cs.CL] |
| （或 arXiv:2610.31422v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31422 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Thin Dang Van [查看邮箱]
[v1]
2026 年 10 月 22 日星期四 15:24:16 UTC（85 KB）
来源：arXiv cs.CL · arxiv.org