TAGHN：异构图重排序用于自动主题标引

事件综述根据 1 篇报道整理，10月16日更新

研究者 Lakshmi Rajendram Bashyam 与 Ralf Krestel 提出 TAGHN，一种用于自动主题标引的异构图重排序方法：在检索候选描述符的文档子图上叠加叙词表邻域，联合评估候选与文档的相似度及其邻域匹配度，以解决扁平化多标签分类器忽略词表语义关系的问题。 在包含 6,198 个描述符的经济学叙词表 STW 上，TAGHN 的 macro F1 为 0.380，高于微调交叉编码器的 0.346 和固定词表 XMLC 分类器的 0.278；micro F1 上优于重排序模型，但与最佳固定词表 XMLC 模型相比低 3.0。该结果来自作者自测，代码与配置已公开。

综述由模型根据报道生成，细节以各篇原文为准。