AI子领域方法谱系自动生成新突破：EvoTree在11个领域拿下最高NMI和引用方向准确率！
Towards Automatic Evolution Tree Generation from Citation Graphs
📖 AI 总结
本文提出 EvoTree，一个从引用图自动生成方法演化树的阶段性框架，旨在解决传统综述难以跟上 AI 领域论文增长速度的问题。现有分类归纳方法多局限于叶节点且忽略时间信息，容易将过渡性论文强行归入成熟类别，并造成祖先与后代之间的拓扑倒置。EvoTree 将概念骨架学习与时间细化解耦：先通过图感知编码器结合基于分布的层次聚类获得稳定的分类骨架，再利用时间微调在单调路径约束下把边缘论文重新挂接到内部节点，最后由大语言模型完成概念标注而不改变拓扑结构。作者同时发布了首个覆盖 11 个 AI 子领域的标注基准。实验显示，EvoTree 在所有基线中取得最高的 NMI 和引用方向准确率，并在标注基准上获得最佳概念纯度，也是唯一能有效检测边缘论文的方法。
🔑 关键词速览
| EvoTree | 一种从引用图自动生成演化树的分阶段框架，将概念主干学习与时间细化解耦。 |
| 分类归纳 | 从数据中自动构建层次化分类体系的过程，常用于组织研究领域的方法谱系。 |
| 图感知编码器 | 一种能够处理图结构数据（如引用图）的神经网络编码器，用于学习节点表示。 |
| 单调路径约束 | 在时间细化过程中，要求祖先到后代的路径在时间上单调递增，以避免拓扑倒置。 |
| NMI | 归一化互信息，一种用于评估聚类结果与真实标签之间相似度的指标。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅