当链接产生误导：用于网页零样本分类的无标签结构极性

arXiv:2610.41464v1 公告类型：新投稿 摘要：数字图书馆、在线商店和大学网站等网络平台必须在任何人标注新页面之前对其进行分类。大语言模型（LLMs）可以根据每个页面的文本为其赋予标签，但这些标签存在噪声，而链接只有在相连页面属于同一类别时才能纠正这些标签。现有零样本方法要么忽略链接，要么像标签传播和图神经网络（GNNs）那样使页面的预测趋向其邻居；当相连页面属于不同类别时，后者会损害分类效果。另一些方法则利用 LLM 估计的同配性对传播进行加权，但这需要额外的模型调用，而且估计结果会随所用 LLM 而变化。我们发现，无需真实标签即可确定链接应以何种符号参与预测，我们将这一符号称为结构极性。它表现为沿链接的 LLM 标签与文本原型预测之间超出预期的一致性。因此，我们提出 ZeroPolar，利用这一统计量对单步带符号传播进行门控。无需训练的 ZeroPolar 将原型得分与任意数量的 LLM 标签相融合，而当半数页面拥有 LLM 标签时，ZeroPolar-T 则利用文本分类器对标签进行去噪。在每个页面拥有一个 GPT-4o 标签的情况下，ZeroPolar-T 在十一个图上取得了最高的平均准确率（73.99%），比 LLM-BP 高出 6.01 个百分点，并显著优于我们比较的全部十八种基线方法。当仅有 5% 的页面拥有 LLM 标签时，无需训练的 ZeroPolar 比使用这些标签训练的 GNN 高出 10.80 个百分点。