希腊语立法文本的多粒度法律主题分类

在这项工作中，我们研究了希腊语法律文本的分类任务。我们引入并公开了一个基于希腊立法的新型数据集，该数据集包含超过 4.7 万份官方、已分类的希腊立法资源。我们利用该数据集进行实验，并评估了一系列先进方法与分类器，涵盖从传统机器学习、基于 RNN 的方法到最先进的基于 Transformer 的方法。我们表明，具有领域特定词嵌入的循环架构在提供更高整体性能的同时，甚至能与基于 transformer 的模型相竞争。最后，我们表明，前沿的多语言与单语基于 transformer 的模型在分类器排名中位居前列，这使我们质疑将训练单语迁移学习模型作为经验法则的必要性。据我们所知，这是首次在开放研究项目中考虑希腊语法律文本分类任务，而且希腊语总体上是一种 NLP 资源非常有限的语言。