利用文本挖掘方法揭示ChatGPT提示对交通安全信息的影响

ChatCPT是一种前景广阔的高级大型语言模型,需要通过提示来获取信息。然而,对于许多最终用户来说,设计一个好的提示并不是一件容易的事。因此,本研究旨在确定因提示信息量不同而获得的信息量。本研究使用了两种类型的提示语(初始提示语和改进提示语)来查询327篇高引用率交通安全文章的引言部分。然后将查询到的引言部分与人工撰写的引言部分进行匹配。通过相似性测试和文本网络分析来了解ChatGPT生成的引言与人工撰写的引言的相似程度和内容。研究结果表明,改进后的提示(增加了通用角色和有关引文和参考文献的信息)对ChatGPT的输出改变不大。完美相似内容的相似度应该达到1.0.而初始提示和改进提示的介绍材料的平均相似度分别为0.5387和0.5567。此外,内容分析还显示,无论提示中提供了多少信息,统计数据、趋势、安全措施和安全技术等主题都更有可能获得较高的相似度得分。而人类行为、政策法规、公众认知和新兴技术等主题则需要在提示中提供详细的信息,才能生成接近人工撰写的材料。提示工程师可以利用上述发现来评估他们的产出,并改进他们设计提示的技能。

改性沥青适用性的经济分析

为探讨改性沥青的经济适用性,利用标定后的美国力学经验路面设计指南(MEPDG)损伤模型对传统沥青混合料和改性沥青混合料实现路用性能模拟和寿命预估,之后运用蒙特卡罗方法完成寿命周期费用分析。结果表明:结合MEPDG路面性能模拟和寿命周期费用分析所得到的评估结论与现有文献中由试验路所得出的结论有较好的一致性;在给定的条件下,改性沥青方案的寿命周期费用较低。在此基础上,从经济分析的角度建议了改性沥青的适用场合。