When Links Mislead: Label-Free Structural Polarity for Zero-Shot Classification of Web Pages

📄 arXiv: 2610.41464v1 📥 PDF

作者: Hanshuai Cui, Zhiqing Tang, Zhi Yao, Weijia Jia, Jun Luo

分类: cs.LG

发布日期: 2026-10-30

💡 一句话要点

提出ZeroPolar以解决网页零样本分类中的标签噪声问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 零样本分类 网页分类 结构极性 标签传播 图神经网络 大型语言模型 文本分类

📋 核心要点

  1. 现有的零样本分类方法在处理网页链接时存在不足，容易受到标签噪声的影响。
  2. 本文提出的ZeroPolar方法通过结构极性统计量引导标签传播，避免了传统方法的缺陷。
  3. 实验结果显示，ZeroPolar-T在多个数据集上取得了73.99%的平均准确率，超出其他基线6.01个百分点。

📝 摘要（中文）

网页平台如数字图书馆、在线商店和大学网站必须在没有标签的情况下对新页面进行分类。现有的大型语言模型（LLMs）虽然可以为每个页面生成标签，但这些标签往往存在噪声，且链接仅在相同类别的页面之间进行校正。现有的零样本方法要么忽略链接，要么通过标签传播和图神经网络（GNNs）将页面拉向其邻居，这在链接页面类别不同时会造成损害。本文提出了ZeroPolar方法，通过一种称为结构极性的统计量来引导有符号的传播步骤，从而有效地混合原型分数和LLM标签。实验结果表明，ZeroPolar-T在多个图上达到了73.99%的平均准确率，显著优于其他基线方法。

🔬 方法详解

问题定义：本文旨在解决网页零样本分类中标签噪声的问题，现有方法在处理链接时容易受到类别不一致的影响，导致分类性能下降。

核心思路：ZeroPolar方法的核心思路是利用结构极性这一统计量来引导标签传播，从而在没有真实标签的情况下实现更准确的分类。通过分析LLM标签与文本原型预测之间的过度一致性，确定链接的影响方向。

技术框架：ZeroPolar的整体架构包括两个主要模块：一个是基于结构极性的有符号传播步骤，另一个是混合原型分数与LLM标签的过程。ZeroPolar-T进一步通过文本分类器对标签进行去噪。

关键创新：本文的主要创新在于提出了结构极性这一概念，并利用其引导标签传播，显著提高了分类准确性。这与传统的标签传播方法有本质区别，后者往往依赖于标签的直接传播而忽视了链接的结构信息。

关键设计：在ZeroPolar中，关键参数包括结构极性的计算方法和传播步骤的设计。ZeroPolar-T还引入了文本分类器来去噪LLM标签，确保在标签稀缺的情况下仍能保持高性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

ZeroPolar-T在仅使用每个页面一个GPT-4o标签的情况下，达到了73.99%的平均准确率，比LLM-BP高出6.01个百分点，并且在仅对5%的页面使用LLM标签的情况下，ZeroPolar的表现超出了基于这些标签训练的GNN模型10.80个百分点。

🎯 应用场景

该研究的潜在应用领域包括数字图书馆、在线商店和教育网站等需要对新生成网页进行快速分类的场景。ZeroPolar方法能够有效提高分类准确性，降低人工标注成本，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

Web platforms such as digital libraries, online stores and university sites must classify new pages before anyone labels them. Large language models (LLMs) can label each page from its text, but these labels are noisy, and links could correct them only where linked pages share classes. Existing zero-shot methods ignore the links, or pull a page toward its neighbours as label propagation and graph neural networks (GNNs) do, which hurts where linked pages differ in class. Others weight propagation by an LLM-estimated homophily that costs extra calls and drifts across LLMs. We find that the sign with which links should enter a prediction, which we call structural polarity, is readable without true labels. It is the excess agreement of LLM labels and text-prototype predictions along links. We thus propose ZeroPolar, which gates one signed propagation step by this statistic. Training-free ZeroPolar mixes prototype scores with any number of LLM labels, and ZeroPolar-T denoises the labels with a text classifier once half of the pages carry one. With one GPT-4o label per page, ZeroPolar-T reaches the highest mean accuracy on eleven graphs (73.99%), 6.01 points above LLM-BP and significantly above all eighteen baselines we compare. With LLM labels on only 5% of the pages, training-free ZeroPolar leads a GNN trained on these labels by 10.80 points.