學術空間 / 論文 / 期刊論文
ScholatGPT：面向學術社交網(wǎng)絡的大語言模型及智能應用
收藏
| 作 者 | 袁成哲 , 陳國華 *, 李丁丁 , 朱源 , 林榮華 , 鐘昊 , 湯庸 * |
| 期刊名稱 | 計算機應用 |
| 狀 態(tài) | 2025, 45(3): 755-764. |
| 發(fā)表日期 | 2025 年 03 月 |
| 摘 要 |
針對現(xiàn)有大語言模型（LLM）在跨領域知識處理、實時學術信息更新及輸出質量保證方面的局限，提出基于學術社交網(wǎng)絡（ASN）的學者 LLM——ScholatGPT。ScholatGPT 結合知識圖譜增強生成（KGAG）與檢索增強生成（RAG），以提升精準語義檢索與動態(tài)知識更新的能力，并通過微調(diào)優(yōu)化以強化學術文本的生成質量。首先，基于學者網(wǎng)（SCHOLAT）關系數(shù)據(jù)構建學者知識圖譜，并利用LLM進行語義增強；其次，提出KGAG檢索模型，結合RAG實現(xiàn)多路混合檢索，增強LLM的精準檢索能力；最后，利用微調(diào)技術優(yōu)化模型，使它在各學術領域的生成質量得到提升。實驗結果表明，ScholatGPT 在學術問答任務中的精確率達 83. 2%，相較于 GPT-4o和AMiner AI提升了 69. 4和 11. 5個百分點，在學者畫像、代表作識別和研究領域分類等任務上均表現(xiàn)優(yōu)異。在回答相關性、連貫性和可讀性方面，ScholatGPT取得了穩(wěn)定且具有競爭力的表現(xiàn)，在專業(yè)性與可讀性之間實現(xiàn)了較好的平衡。此外，基于ScholatGPT開發(fā)的學者智庫和學術信息推薦系統(tǒng)等智能應用有效提升了學術信息獲取的效率。 |
| 關 鍵 字 | 大語言模型；學術社交網(wǎng)絡；知識圖譜；知識注入；學者網(wǎng) |
| 訪問鏈接 | https://doi.org/10.11772/j.issn.1001-9081.2024101477 |
| 附 件 |
