一种基于低秩自表达对比学习论文分类方法

本发明提供了一种基于低秩自表达对比学习论文分类方法，包括：首先，准备n篇论文，构造原始样本数据集X∈Rd×n，d为n篇论文引用的论文去重后的论文数量，并对原始样本数据集进行预处理；其次，通过自表达理论和对比学习构建论文分类模型；最后，采用评估后的论文分类模型进行论文分类。本发明不依赖于局部论文之间的直接引用来获取正负样本对，而是引入自表达矩阵进行聚类，从而计算高可信的正负样本对，该方法可以发现样本之间的非直接相连的潜在正样本，并以此进行对比学习，从而区别于传统对比学习的正样本的选取，提高分类精度。