基于深度学习对“Web of Science”研究领域的层次化分类

本文提出了一种层次化分类系统，该系统利用学术论文的摘要，在多类设定下将其自动归类至三层层次标签集（学科、领域、子领域）。该系统能够从知识生产（通过论文）和影响力（通过引文）两方面对上述层次结构中的研究活动进行整体分类，并允许这些活动归入多个类别。该分类系统在 Microsoft Academic Graph（2018-05-17 版本）的 1.6 亿条摘要片段中区分了 44 个学科、718 个领域和 1,485 个子领域。我们采用模块化、分布式的批量训练方式，以支持并允许在单标签和多标签设定下进行跨学科和跨领域分类。总体而言，我们在所有考虑的模型（卷积神经网络、循环神经网络、Transformer）中进行了 3,140 次实验。在单标签和多标签分类中，分类准确率分别有 77.13% 和 78.19% 超过 90%。我们通过该系统能更好地将研究文本与产出同各学科对齐、以自动化方式充分分类以及捕捉跨学科程度，来考察其优势。所提出的系统（一组预训练模型）可作为未来科学出版物索引交互系统的骨干。