SciNoBo：一种科学文献的层次化多标签分类器
数字图书馆
2022-04-05 v1 人工智能
摘要
按照科学领域（FoS）分类法对科学文献进行分类至关重要，可使资助机构、出版商、学者、企业及其他利益相关者更有效地组织科学文献。现有工作多在会议/期刊层面进行分类，或仅基于研究文献的文本内容。我们提出 SciNoBo，一种将文献分类至预定义 FoS 分类法的新分类系统，其利用了文献的结构特性及其在多层网络中组织的引用与参考文献。与其他工作不同，我们的系统通过考虑文献的跨学科潜力，支持将文献分配给多个领域。通过将文献与会议/期刊统一在由引用和出版关系构成的通用多层网络结构下，会议/期刊层面的分类可由文献层面的分类加以增强。我们在从 Microsoft Academic Graph 提取的文献数据集上评估 SciNoBo，并与最先进的神经网络基线进行比对分析。结果表明，我们提出的系统能够产生高质量的文献分类。
引用
@article{arxiv.2204.00880,
title = {SciNoBo : A Hierarchical Multi-Label Classifier of Scientific Publications},
author = {Nikolaos Gialitsis and Sotiris Kotitsas and Haris Papageorgiou},
journal= {arXiv preprint arXiv:2204.00880},
year = {2022}
}