期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
大语言模型生成与学者撰写摘要的对比研究——以情报学领域为例
1
作者 王伟正 乔鸿 +2 位作者 李肖俊 王静静 陈晗睿 《情报杂志》 北大核心 2025年第8期180-189,共10页
[研究目的]探索大语言模型生成与学者撰写的论文摘要之间的差异,为人机交互写作提供新的研究视角,为辅助AI生成学术文本检测提供借鉴与参考。[研究方法]收集情报学领域近三年内的992篇高被引论文,基于收集论文的标题使用ChatGPT生成对... [研究目的]探索大语言模型生成与学者撰写的论文摘要之间的差异,为人机交互写作提供新的研究视角,为辅助AI生成学术文本检测提供借鉴与参考。[研究方法]收集情报学领域近三年内的992篇高被引论文,基于收集论文的标题使用ChatGPT生成对应的论文摘要,共同组成研究数据集,将大语言模型生成与学者撰写摘要进行对比分析,探索两类摘要在词汇、语篇、主题的异同;采用文本特征、ROUGE、Jaccard和余弦相似度来分析两类文本内容方面的差异性,采用BERTopic主题模型进行主题提取,并从主题间关系、主题与主题词关系2个角度进行主题差异性分析。[研究结果/结论]研究表明,学者撰写摘要停用词占比更低、复杂程度较高,可读性也较差。大语言模型生成摘要的ROUGE指标分数均较低,其Jaccard和余弦相似度分别为14.66%与38.66%,表明两类摘要文本词汇层面的重合度较低,同时生成摘要与学者撰写摘要之间主要存在“形似”现象,但是重合单元数目较少;两类摘要文本在主题间存在空间分布、语义相似度差异和层次结构划分相似等特征,在主题与主题间存在语义表征差异与主题内容、次序结构相似等特征。 展开更多
关键词 大语言模型 生成式人工智能 文本特征 论文摘要 情报学 BERTopic
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部