基于自适应特征与图神经网络的科学文献语义表示学习
计算与语言
2023-11-02 v1
摘要
由于多数科学文献数据无标注，使得基于无监督图的语义表示学习变得关键。同时，为丰富科学文献特征，提出一种基于自适应特征与图神经网络的科学文献语义表示学习方法。通过引入自适应特征方法，从全局与局部考量科学文献特征。利用图注意力机制对具有引用关系的科学文献特征求和，并赋予每篇科学文献不同特征权重，以更好表达不同科学文献特征间的相关性。此外，提出一种无监督图神经网络语义表示学习方法。通过在潜在空间中比较科学文献正、负局部语义表示与全局图语义表示的互信息，图神经网络可捕获局部与全局信息，从而提升科学文献语义表示的学习能力。实验结果表明，所提基于自适应特征与图神经网络的科学文献语义表示学习方法在科学文献分类任务上具有竞争力，并取得了良好效果。
引用
@article{arxiv.2311.00296,
title = {Semantic Representation Learning of Scientific Literature based on Adaptive Feature and Graph Neural Network},
author = {Hongrui Gao and Yawen Li and Meiyu Liang and Zeli Guan and Zhe Xue},
journal= {arXiv preprint arXiv:2311.00296},
year = {2023}
}