基于无监督学习的可持续发展目标数据分类

雷声,黎建辉，张丽丽

1.中国科学院计算机网络信息中心，北京 100190 2.中国科学院大学，北京 100049

引言

联合国可持续发展目标(Sustainable Development Goals，SDGs)是联合国在2015年9月制定的17 个全球发展目标，旨在从2015年—2030年间以综合方式彻底解决社会、经济和环境三个维度的发展问题，从而转向可持续发展道路[1]。SDGs 数据对可持续发展工作具有极为重要的指导意义，它对可持续发展给出了细致而全面的数据指标，涉及范围极广，值得研究的相关数据也极多。数据与计算技术飞速发展，在科学研究中能够起到辅助与支撑的作用，甚至能够驱动和引领科学研究活动[2]。截至目前，对SDGs 数据及工作进行研究讨论的中英文文献数量已经达到了数十万篇。SDGs 所涉及的庞大数据量在为相关科研工作提供信息的同时也提高了科研人员的使用难度，要想在如此海量的数据中获得与研究目标相关的数据，就必须将数据进行合理的分类。机器学习时代的来临实现了很多技术上的应用[3]。联合国为SDGs 中的每项指标都提供了详细的描述文档，基于机器学习利用这些描述文档为数据进行分类可以更好地为从事SDGs 相关研究的科研人员提供便利。

现有的文本分类算法大多属于有监督模型，它需要大量人工标注的文档作为训练集，而联合国官方能够提供的标记数据极少，利用有监督甚至半监督模型都难以得到令人满意的效果。且联合国为每个SDGs 指标都制定了详细的描述文档，人工地根据这些文档对数据进行标记会是一个复杂而耗时的工程。……