SC-Taxo：使用 大语言模型 在语义一致性约束下生成分层分类法

科学文献正在以前所未有的速度增长，使得有效组织和访问领域知识变得越来越具有挑战性。高质量的科学分类法提供了研究领域的结构化和层次化表示，促进文献探索和主题导航，并支持趋势分析、想法生成和信息检索等下游应用。然而，现有的分类法生成方法经常存在跨层次结构不一致和语义不一致的问题。通过实证分析，我们发现这些问题很大程度上源于层次语义一致性建模不充分。为了解决这个限制，我们提出了一种语义一致的分类生成（SC-Taxo）框架，该框架利用 大语言模型 （LLM）和层次结构感知的细化阶段来确保语义一致性。具体来说，SC-Taxo引入了双向标题生成机制，联合执行自下而上的抽象和自上而下的语义约束，同时进一步捕获对等层的语义依赖关系以增强水平一致性。对多个基准数据集的实验表明层次对齐和标题质量的持续改进，对中文科学文献的额外评估验证了其强大的跨语言泛化能力。