【摘要】文章研究学术文献分类中的长尾现象和新分类问题，提出基于提示学习的小样本文献分类方法，旨在实现低资源场景下的文献自动分类。借助大规模预训练语言模型的文本表示与生成能力，在提示学习框架下分析不同的提示模板、文献字段、文献类别表示、样本数等信息对低资源文献分类的影响。实验结果表明：通过合理的设计提示模板、文献类别表示、文献字段等信息，模型能高效实现低资源场景下的文献分类（50-shot的分类F1值约85%），是传统文献分类算法的重要补充；但在处理细粒度文献分类时存在分类错误问题，需要完善。