应用可解释人工智能分析研究人员对 ChatGPT 的方面情感
本研究探讨了 ChatGPT 作为数据标记工具用于不同情感分析任务中的应用,结果表明相较于基于词汇表的算法,ChatGPT 在准确性方面有了显著提高,可用于不同的事件和任务情感分析的标注工作。
Jun, 2023
ChatGPT 在方面情感分析中,通过专门的提示模板和少样本学习方法,实现了复杂的四元组提取任务,并在四个公共数据集上与现有最先进模型进行了比较评估,揭示了 ChatGPT 在四元组提取方面的能力边界。
Oct, 2023
基于 ChatGPT 模型的广泛研究评估了 GPT-4 和 GPT-3.5 在 13 个影响计算问题上的性能,发现它们在涉及情感、情绪和毒性等问题上表现出色,但在涉及隐性信号的问题上表现较差,如参与度测量和主观性检测。
Aug, 2023
通过混合方法研究 ChatGPT 的早期用户发表的 10,732 条推文,主题建模确认了软件开发、娱乐和创造力等主题的积极情绪,仅少数人表达了对 ChatGPT 潜在误用和教育影响等问题的关注。
Dec, 2022
本文通过标准测试、极性转移测试、开放域测试和情感推理测试等方法,对 ChatGPT 在理解文本中的意见、情感和情绪方面进行了初步评估,并与 Fine-tuned BERT 和现有的端到端情感分析模型进行了比较,并进行了人工评估和定性分析。
Apr, 2023
利用大型语言模型,特别是 ChatGPT,进行对科学文献中引用的情感分析是一项创新的方法,可以提供关于引用作品影响和接受程度的洞见。通过利用先进的自然语言处理技术,ChatGPT 可以辨别引文的微妙积极或消极性,进而为引用作品的接受程度和影响力提供了有价值的洞察。此外,ChatGPT 还能够检测引文中潜在的偏见和利益冲突,增强科学文献评价的客观性和可靠性。这项研究展示了人工智能辅助工具在提升引用分析和促进学术研究诚信方面的潜力。
Apr, 2024
本文介绍了关于文本摘要的各种方法,包括提取式和抽象式,并探讨了大型语言模型在此方面的应用潜力。作者以四个数据集为例,展示了 ChatGPT 生成的摘要与人类参考的差异,并发现 ChatGPT 在摘要性能上可以与传统的微调方法媲美。该研究为各种文本摘要任务开辟了新方向,提供了有价值的见解。
Feb, 2023
在人工智能时代,数据虽然珍贵,但标注成本却很高。本文利用 ChatGPT 在情感分析中进行文本增强,展示了一种突破性的解决方案。我们利用 ChatGPT 的生成能力创造了合成训练数据,显著提高了较小模型的性能,使其能够与甚至胜过更大的对手。这一创新使得模型既高效又有效,同时降低了计算成本、推理时间和内存使用量,而不会降低质量。我们的工作在经济高效的情感分析模型的开发和部署方面取得了重要进展。
Dec, 2023
ChatGPT 是一种基于 Transformer 架构的大型语言模型,能够在对话环境中生成类似人类的回答。它具有广泛的应用领域,但也引发了伦理和社会等方面的担忧。本文概述了 ChatGPT 的架构和训练过程,并提出了一些技术、监管、教育和伦理等方面的建议,以最大化其益处并尽量减少负面影响。
Feb, 2024