文本分类

研究人员利用机器学习技术，成功为伏尔泰全集中的两个重要子语料库实现自动主题索引，最高F1分数达0.67，为大规模文学历史文献的智能整理开辟新路径。

研究团队系统比较了微调德语BERT模型与少样本提示Llama大模型在德语气候新闻句子级框架检测上的表现，发现微调BERT在威胁与解决方案分类任务上均取得更高F1分数。

研究提出针对小样本和高性能场景的置信区间计算方法，解决传统方法在社会科学文本分类中的不足，提升机器学习应用透明度。