徐昊教授指导的2021级硕士研究生赵久峰同学的论文Weak-PMLC: A Large-Scale Framework for Multi-Label Policy Classification Based on Extremely Weak Supervision近日被 Information Processing & Management（IPM）杂志接收。Information Processing & Management是Elsevier出版社旗下的中科院一区TOP期刊（CCF-B），SCI IF（2022）= 7.466。本篇论文的通讯作者为徐昊教授，其他作者包括学院的2020级博士研究生宋瑞同学等。
论文题目：Weak-PMLC: A Large-Scale Framework for Multi-Label Policy Classification Based on Extremely Weak Supervision
第一作者：赵久峰
指导教师：徐昊
收录期刊：Information Processing & Management（IPM）
期刊级别：中科院一区，CCF-B
论文概述：
随着电子政务的发展，我国多个地方政府都在发展基于互联网的政务公开平台，这些在线平台需要对政策进行自动分类。当前的政策分类方法通常是基于监督模型的，需要大量的标注数据，这在实践中可能很昂贵且难以获得。为了减轻人类专家注释大量政策的负担，我们提出了一个基于极弱监督的多标签政策分类的大规模框架（Weak-PMLC），它不依赖于任何带标签的文档，只使用每个类别的标签名称。具体来说，我们首先在给定数据集上预训练语言模型（LM），以将 LM 从通用扩展到特定领域。然后，我们利用特定领域的 LM 生成与标签名称语义相关的种子词。最后，根据类别相关的种子词，我们为大量未标注的政策生成高质量的伪标签，作为高性能监督模型的训练数据。
为了验证我们提出的方法的有效性，我们创建了两个新的人工标记数据集，分别包含大约 56k 和 37k 政策。我们还定义了 59 个可以涵盖所有政策主题的标签名称。在新构建的数据集上，Weak-PMLC的性能明显优于最先进的弱监督模型，同时不逊于一般的全监督分类算法。在公开数据集上，Weak-PMLC也能够取得与需要大量人力的弱监督方法相当甚至更好的性能。
