全文本科学论文的弱监督多标签分类
计算与语言
2023-10-24 v1 数字图书馆
机器学习
摘要
弱监督科学论文分类旨在仅利用类别描述（如类别名称、类别指示关键词）对论文进行分类，而非依赖人工标注的训练样本来构建分类器。现有关于弱监督论文分类的研究较少关注两个挑战：（1）在庞大且细粒度的标签空间下，论文不仅应被分类到粗粒度的研究主题，还应被分类到细粒度的主题，且可能归入多个主题；（2）应利用全文来补充论文标题与摘要以进行分类。此外，不应将整篇论文视为一个长的线性序列，而应利用结构信息，如论文间的引用链接以及每篇论文中章节与段落的层次结构。为应对这些挑战，本研究提出 FUTEX，一个利用跨论文网络结构与论文内层次结构在弱监督下对全文本科学论文进行分类的框架。我们设计了一个网络感知的对比微调模块与一个层次感知的聚合模块，分别用以利用这两类结构信号。在两个基准数据集上的实验表明，FUTEX 显著优于具有竞争力的基线方法，并与使用 1,000 至 60,000 个真值训练样本的全监督分类器性能相当。
引用
@article{arxiv.2306.14003,
title = {Weakly Supervised Multi-Label Classification of Full-Text Scientific Papers},
author = {Yu Zhang and Bowen Jin and Xiusi Chen and Yanzhen Shen and Yunyi Zhang and Yu Meng and Jiawei Han},
journal= {arXiv preprint arXiv:2306.14003},
year = {2023}
}
备注
12 pages; Accepted to KDD 2023 (Code: https://github.com/yuzhimanhua/FUTEX)