【KDD2023】科技论文弱监督多标签分类

弱监督科技论文分类旨在仅使用类别描述(如类别名称、类别指示性关键词)对论文进行分类，而不是依赖人工标注的训练样本来构建分类器。现有的弱监督论文分类研究较少考虑以下两个挑战:(1)在标签空间较大的情况下，论文不仅要分为粗粒度的研究主题，还要分为细粒度的主题，并且有可能分为多个主题;(2)利用全文补充论文标题和摘要进行分类。此外，不要将整篇论文视为一个长线性序列，而是应该利用结构信息，如跨论文的引文链接和每篇论文中部分和段落的层次结构。为了应对这些挑战，本文提出FuTex，一种利用跨论文网络结构和论文层次结构对弱监督下的全文科技论文进行分类的框架。设计了网络感知的对比微调模块和层次感知的聚合模块，分别利用两种类型的结构信号。在两个基准数据集上的实验表明，FuTex的性能明显优于有竞争力的基线，与使用1000到60,000个真实训练样本的全监督分类器相当。