Forget NLI, Use a Dictionary: Zero-Shot Topic Classification for Low-Resource Languages with Application to Luxembourgish

在自然语言处理中，零样本分类（ZSC）是指在目标类别没有标记样本的情况下对文本数据分配标签的任务。ZSC 的常见方法是对自然语言推理（NLI）数据集进行微调，然后使用其推断输入文档与目标标签之间的蕴涵关系。然而，这种方法在资源有限的语言上面临特定挑战。本文提出了一种替代方案，利用字典作为 ZSC 的数据来源。我们聚焦于在卢森堡 spoken 的一种低资源语言卢森布希语，构建了两个基于提供各种同义词、词汇翻译和例句的字典的主题相关性分类数据集。我们评估了数据集的可用性，并将其与 NLI 基于方法在两个主题分类任务上进行零样本比较。我们的结果表明，通过使用基于字典的数据集训练的模型在 ZSC 中优于遵循 NLI 基于方法的模型。虽然本研究仅关注单一低资源语言，但我们相信该方法的有效性也可转移到其他可获得此类字典的语言。