基于GAN的引文意图分类及其对引文网络分析的影响
摘要
文章提出cGAN-SciBERT模型，结合SciBERT与条件生成对抗网络进行引文意图分类，在SciCite数据集上达到88.74%的F1分数，参数量仅110M（比基准模型ImpactCite减少67%）。通过unarXiv数据集构建1.8M论文的引文网络，分析发现过滤背景引文使网络节点减少50.9%，介数中心性变化最显著（部分论文排名波动超20位）。实验证明引文意图显著影响学术影响力评估，传统文献计量指标可能忽略意图差异导致的偏差。
1. 引言
引文在学术生态中承载多样化功能：提供背景、引用方法或对比结果。传统文献计量指标（如被引次数、h指数）忽略引文意图差异，导致学术影响力评估偏差。文章提出两阶段研究框架：引文意图分类与意图感知的网络分析。针对标注数据稀缺问题，采用半监督GAN模型cGAN-SciBERT实现高效分类；进一步分析引文意图过滤对网络中心性的影响，揭示学术评价体系潜在改进方向。
2. 方法
2.1 cGAN-SciBERT分类模型
模型架构如图1所示，核心组件包括：
图1：cGAN-SciBERT整合SciBERT编码器与条件GAN框架
- SciBERT编码器：基于学术文本预训练，生成引文上下文表征 $ h_{\text{CLS}} $
- 条件生成器：MLP网络接收噪声向量$ z $与类别向量，生成合成样本 $ h_{\text{fake}} $
- 判别器：双任务MLP网络，执行(k+1)类分类（k真实类+1合成类）
对抗训练目标函数：
\[ \min_G \max_D L = L_{\text{sup}} + L_{\text{unsup}} \]
其中监督损失 $ L_{\text{sup}} $ 使用标注数据，无监督损失 $ L_{\text{unsup}} $ 利用未标注数据优化表征。
2.2 引文网络构建与分析
基于unarXiv数据集（180万篇论文）构建有向引文网络 $ G=(V,E) $，节点为论文，边为引文关系。网络分析流程：
- 使用cGAN-SciBERT对149,375条引文分类：背景(57%)、方法(40%)、结果(3%)
- 过滤特定意图引文（如移除所有背景引文）
- 计算四类中心性度量：
- 入度： $ k_{\text{in}}(i) = \sum_j a_{ji} $
- PageRank： $ \text{PR}(A) = (1-d) + d \sum_{T_i \to A} \frac{\text{PR}(T_i)}{C(T_i)} $
- 介数： $ g(v) = \sum_{s \neq t \neq v} \frac{\sigma_{st}(v)}{\sigma_{st}} $
- 接近度： $ g(v) = \sum_{u \neq v} \frac{\gamma(u,v)}{N} $
3. 实验结果
3.1 分类性能对比
表1显示cGAN-SciBERT在SciCite数据集接近SOTA性能，ACL-ARC显著优于基线：
| 模型 | SciCite (F1) | ACL-ARC (F1) |
|---|---|---|
| ImpactCite (XLNet) | 88.93 | - |
| cGAN-SciBERT | 88.74 | 81.75 |
| SciBERT微调 | 85.49 | 70.98 |
关键优势：模型参数量仅110M（ImpactCite为340M），推理效率提升2倍。t-SNE可视化（图2）显示背景与方法类存在混淆，与10%错误率中43%为二者误分类一致。
图2：背景(蓝)与方法(绿)类在表征空间重叠
3.2 引文意图对网络结构的影响
过滤不同意图引文导致网络拓扑剧变（表2）：
| 过滤类型 | 节点减少 | 边减少 | 连通分量增加 |
|---|---|---|---|
| 背景引文 | 50.9% | 61.6% | 566.8% |
| 方法引文 | 7.5% | 19.6% | 50.3% |
| 结果引文 | 0.7% | 0.8% | 2.1% |
背景引文作为关键结构纽带，其移除导致网络严重碎片化。中心性排名变化分析（图3）表明：
- 介数中心性最敏感：论文2008.00714从12位跌出Top20
- PageRank中论文1412.6980从第2升至第1
- 入度中心性中论文1411.4038从9位降至22位
图3：过滤背景引文后PageRank排名波动（横轴：原始排名，纵轴：新排名）
4. 结论
cGAN-SciBERT以67%的参数量削减实现竞争性引文意图分类（SciCite F1=88.74%），证明GAN在低资源场景的有效性。引文网络分析揭示：背景引文是维持网络连通性的核心要素，其过滤导致介数中心性排名变化高达20位。这表明传统文献计量指标因忽略引文意图可能产生评估偏差，未来可发展意图感知的学术影响力指标（如基于方法引文的h指数变体）。