Skip to content
The Chat Archive
chatgpt-4o-latest-20250326· OpenAI LMArena Human Preference 140K

润色这段话,要求学术不口语:同时,在当前作者消岐研究的特征工程环节中,对于待消岐信息的挖掘仍有不足,例如:多采用传统词向量嵌入策略进行文本嵌入,但是语义关系捕获效率低、基于关键词…

  1. User

    润色这段话,要求学术不口语:同时,在当前作者消岐研究的特征工程环节中,对于待消岐信息的挖掘仍有不足,例如:多采用传统词向量嵌入策略进行文本嵌入,但是语义关系捕获效率低、基于关键词的特征表征往往因原始关键词覆盖有限,导致特征稀疏等问题,因而存在优化空间。在此背景下,本文提出了一种面向中国人文社科领域的有监督作者消歧方法,并在前人研究的基础上,对于消岐特征构建策略进行优化:创新引入学科类别特征,对消岐信息进行补充,采用BGE模型进行文献嵌入优化提升嵌入质量,构建基于语境的关键词提取策略进行关键词信息补充,引入ROUGE对基于单位的消岐相似度计算问题进行改良,通过计算共同合作者数量量化关联度,构建特征向量。并构建文献判别器,进行消岐判断,得到消岐结果。进一步挖掘特征中包含的消岐信息,进而构建高效的消歧模型。

  2. Assistant

    润色后的版本如下,风格更为学术、正式:


    当前作者消歧研究中,在特征工程环节对待消歧信息的挖掘仍存在一定不足。具体表现为,文本嵌入多采用传统的词向量方法,语义关系捕获能力有限;同时,基于关键词的特征表示往往受到原始关键词覆盖范围狭窄的影响,导致特征稀疏性较高。因此,在特征构建层面尚存在较大的优化空间。

    针对上述问题,本文面向中国人文社会科学领域提出一种有监督的作者消歧方法,并在前人研究基础上对特征构建策略进行了系统优化。具体改进包括:创新性地引入学科类别特征,以增强消歧信息的表达能力;采用BGE模型优化文献表示方法,从而提升文本嵌入的语义质量;构建基于语境的关键词提取策略,有效补充关键词信息;引入ROUGE指标对基于单位的消歧相似度计算方法进行改良;通过计算共现合作者数量衡量作者间的关联强度,构建更具判别力的特征向量。随后,设计并实现文献判别器以完成作者消歧判断,从而获得最终消歧结果。

    本研究通过深入挖掘特征中蕴含的消歧信息,有效提升模型的消歧性能,为构建高效且适用于人文社科领域的作者消歧系统提供了方法支持与实践路径。


    如需进一步精炼、扩展或按照特定期刊格式调整,请随时告知。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.