NEU-ESC：面向多任务学习的综合越南教育情感分析与主题分类数据集
计算与语言
2025-07-01 v1 人工智能
摘要
在教育领域，理解学生通过其评论表达的意见尤为重要，特别是在越南语言环境中，由于资源有限。现有的教育数据集往往缺乏领域相关性和学生口语。为此，我们介绍了 NEU-ESC，一款新型的越南教育情感分类和主题分类数据集，从大学论坛中收集，提供更多样本、更丰富的类别多样性、更长的文本以及更广泛的词汇表。此外，我们探索了使用仅编码的语言模型（BERT）进行多任务学习，结果在情感和主题分类任务上分别达到了最高 83.7% 和 79.8% 的准确率。我们还对该数据集和模型与其他数据集和模型（包括大型语言模型）进行了基准测试，并对这些基准进行了讨论。该数据集已公开：https://huggingface.co/datasets/hung20gg/NEU-ESC。
引用
@article{arxiv.2506.23524,
title = {NEU-ESC: A Comprehensive Vietnamese dataset for Educational Sentiment analysis and topic Classification toward multitask learning},
author = {Phan Quoc Hung Mai and Quang Hung Nguyen and Phuong Giang Duong and Hong Hanh Nguyen and Nguyen Tuan Long},
journal= {arXiv preprint arXiv:2506.23524},
year = {2025}
}