期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于开源LLMs的中文学术文本标题生成研究——以人文社科领域为例
1
作者
吴娜
沈思
王东波
《情报科学》
CSSCI
北大核心
2024年第7期137-145,共9页
[目的/意义]标题作为论文的压缩表示和主旨精髓,在检索、标引等环节中发挥着重要作用。以人文社会科学领域的学术文本标题生成任务为例,为大语言模型在学术文本挖掘中的应用提供参考。[方法/过程]从实证的角度出发,探索当前的开源中文...
[目的/意义]标题作为论文的压缩表示和主旨精髓,在检索、标引等环节中发挥着重要作用。以人文社会科学领域的学术文本标题生成任务为例,为大语言模型在学术文本挖掘中的应用提供参考。[方法/过程]从实证的角度出发,探索当前的开源中文大语言模型Qwen-7B在学术文本标题生成任务中的有效性,以及将人文社会科学领域的学术文本数据知识注入开源基座大语言模型的可行性。使用ROUGE和BLUE指标进行词汇级召回率和准确率评分,同时使用ChatGPT智能对话系统进行语句流畅度和语义相关性评分。[结果/结论]研究发现将中文人文社会科学领域的学术文本知识注入Qwen-7B基座模型中并不能有效提升模型在标题生成任务中的能力,开源基座大模型Qwen-7B在中文上的特征和语义学习能力有待进一步增强;LLaMA2-7B模型在中文学术文本标题生成上的能力优于Qwen-7B模型。[创新/局限]基于Qwen-7B模型和人文社会科学领域的学术全文本数据,论证了当前国内的主流开源大语言模型在学术文本标题生成上的应用能力和应用路径,为学术全文本挖掘和组织提供了理论与实践参考。本文使用的对照模型和训练方法受资源限制较为单一,有待进一步拓展以充分地探索大语言模型在学术全文本知识挖掘和组织中的边界。
展开更多
关键词
自然语言处理
标题自动生成
学术文本
大语言模型
ChatGPT
原文传递
中文科技论文标题自动生成系统的设计与实现
被引量：
1
2
作者
王宇飞
张智雄
+2 位作者
赵旸
张梦婷
李雪思
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2023年第2期61-71,共11页
【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据...
【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据支撑;基于BERT-UniLM构建标题生成模型,以取得较好的生成效果;基于HTTP设计应用程序接口,以实现系统的开放调用。【结果】初步实现了中文科技论文标题自动生成系统,能够生成较为恰当地反映论文内容的标题。【局限】BERT模型具有最大输入长度限制,对于输入超过长度限制的摘要会自动截断,因此较长摘要的标题生成效果可能会受到影响。【结论】重点从数据、模型、开放调用三个方面设计和实现了中文科技论文标题自动生成系统,为科研人员及文献服务机构提供便捷易用工具,并为其他科技文本进行标题自动生成提供了一种实践路径。
展开更多
关键词
标题自动生成系统
中文科技论文摘要
文本生成任务
BERT-UniLM
原文传递
题名
基于开源LLMs的中文学术文本标题生成研究——以人文社科领域为例
1
作者
吴娜
沈思
王东波
机构
南京农业大学信息管理学院
南京理工大学经济管理学院
南京农业大学人文与社会计算研究中心
出处
《情报科学》
CSSCI
北大核心
2024年第7期137-145,共9页
基金
江苏省社科基金后期资助项目“人文社会科学大语言模型构建及应用研究”(23HQBO63)。
文摘
[目的/意义]标题作为论文的压缩表示和主旨精髓,在检索、标引等环节中发挥着重要作用。以人文社会科学领域的学术文本标题生成任务为例,为大语言模型在学术文本挖掘中的应用提供参考。[方法/过程]从实证的角度出发,探索当前的开源中文大语言模型Qwen-7B在学术文本标题生成任务中的有效性,以及将人文社会科学领域的学术文本数据知识注入开源基座大语言模型的可行性。使用ROUGE和BLUE指标进行词汇级召回率和准确率评分,同时使用ChatGPT智能对话系统进行语句流畅度和语义相关性评分。[结果/结论]研究发现将中文人文社会科学领域的学术文本知识注入Qwen-7B基座模型中并不能有效提升模型在标题生成任务中的能力,开源基座大模型Qwen-7B在中文上的特征和语义学习能力有待进一步增强;LLaMA2-7B模型在中文学术文本标题生成上的能力优于Qwen-7B模型。[创新/局限]基于Qwen-7B模型和人文社会科学领域的学术全文本数据,论证了当前国内的主流开源大语言模型在学术文本标题生成上的应用能力和应用路径,为学术全文本挖掘和组织提供了理论与实践参考。本文使用的对照模型和训练方法受资源限制较为单一,有待进一步拓展以充分地探索大语言模型在学术全文本知识挖掘和组织中的边界。
关键词
自然语言处理
标题自动生成
学术文本
大语言模型
ChatGPT
Keywords
natural
language
processing
automatic
title
generation
academic
text
large
language
models
ChatGPT
分类号
G254 [文化科学—图书馆学]
原文传递
题名
中文科技论文标题自动生成系统的设计与实现
被引量：
1
2
作者
王宇飞
张智雄
赵旸
张梦婷
李雪思
机构
中国科学院文献情报中心
中国科学院大学经济与管理学院信息资源管理系
出处
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2023年第2期61-71,共11页
基金
中国科学院文献情报能力建设专项(项目编号:E0290906)的研究成果之一。
文摘
【目的】设计中文科技论文标题自动生成系统,根据科技论文摘要自动生成论文标题,辅助研究人员进行科技论文标题的写作。【方法】重点解决系统构建过程中涉及的三个关键问题:基于中国科学引文数据库构建大规模训练数据集,为系统提供数据支撑;基于BERT-UniLM构建标题生成模型,以取得较好的生成效果;基于HTTP设计应用程序接口,以实现系统的开放调用。【结果】初步实现了中文科技论文标题自动生成系统,能够生成较为恰当地反映论文内容的标题。【局限】BERT模型具有最大输入长度限制,对于输入超过长度限制的摘要会自动截断,因此较长摘要的标题生成效果可能会受到影响。【结论】重点从数据、模型、开放调用三个方面设计和实现了中文科技论文标题自动生成系统,为科研人员及文献服务机构提供便捷易用工具,并为其他科技文本进行标题自动生成提供了一种实践路径。
关键词
标题自动生成系统
中文科技论文摘要
文本生成任务
BERT-UniLM
Keywords
automatic
title
generation
System
Abstracts
of
Chinese
Scientific
and
Technical
Papers
Text
generation
Task
BERT-UniLM
分类号
G254 [文化科学—图书馆学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于开源LLMs的中文学术文本标题生成研究——以人文社科领域为例
吴娜
沈思
王东波
《情报科学》
CSSCI
北大核心
2024
0
原文传递
2
中文科技论文标题自动生成系统的设计与实现
王宇飞
张智雄
赵旸
张梦婷
李雪思
《数据分析与知识发现》
CSSCI
CSCD
北大核心
2023
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
