通过检索增强多阶段培训进行弱监督的科学文档分类

科学领域:

• 计算机科学 计算机科学
• 信息科学 信息科学 信息科学
• 人工智能的人工智能

背景情况:

• 科学文档分类是必不可少的,但由于人类标记数据的高成本而受到阻碍.
• 当标签名称包含文档库中缺少的域名特定术语时,现有方法会遇到困难.

研究的目的:

• 开发一种有效的科学文档分类方法,只使用标签名称.
• 为了应对与含义丰富但潜在稀疏的标签名称匹配文档的挑战.

主要方法:

• 提出了WanDeR,一种采用密集检索用于嵌入空间中的语义匹配的方法.
• 整合了标签名称扩展模块,以丰富标签表示.
• 利用自我训练步骤来完善分类预测.

主要成果:

• 与现有基线相比,WanDeR表现优越.
• 在三个实验数据集中,分类准确度提高了11.9%.
• 该方法有效地捕捉了标签语义,以改善文档匹配.

结论:

• WanDeR为科学文档分类提供了具有成本效益和准确的解决方案.
• 利用密集的检索和标签扩展可以提高模型理解标签语义的能力.
• 拟议的方法显示了科学信息管理中的实际应用的巨大潜力.