期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于ChatGPT和提示工程的查询式摘要数据集AMTQFSum构建研究
1
作者 商锦铃 张建勇 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2024年第8期122-132,共11页
【目的】针对查询式摘要数据集稀缺问题,研究满足科研人员个性化查询需求的方法。【方法】通过构建生成与自我校验提示链,基于ChatGPT和提示工程提出一种以大语言模型为“数据标注员”的自动化数据标注方法,构建自然语言处理领域学术会... 【目的】针对查询式摘要数据集稀缺问题,研究满足科研人员个性化查询需求的方法。【方法】通过构建生成与自我校验提示链,基于ChatGPT和提示工程提出一种以大语言模型为“数据标注员”的自动化数据标注方法,构建自然语言处理领域学术会议记录查询摘要数据集AMTQFSum。【结果】AMTQFSum在数据量和长度分布上更加优越,UniEval摘要评估模型语言显示AMTQFSum比现有QFS数据集平均得分提升85%和33%。在6个经典查询式摘要模型上验证AMTQFSum数据集的基准效果,结果显示基于BART的查询式摘要生成效果最佳,ROUGE-1/2/L达52.53%、35.61%、44.80%。【局限】未扩大数据集学科范围。【结论】基于提示链的大语言模型数据标注方法能为自动化数据标注提供可行方案,AMTQFSum数据集为查询式摘要生成任务提供了研究基础。 展开更多
关键词 查询式文本摘要 ChatGPT 提示工程 自动化数据标注 学术会议记录
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部