随着人工智能技术的发展,集成了检索增强生成的AI附加组件在学术搜索领域日益普及。文章对PrimoResearch Assistant、Web of Science Research Assistant和Scopus AI三款工具开展了详细的对比研究,从检索与生成机制、预过滤和查询解析...随着人工智能技术的发展,集成了检索增强生成的AI附加组件在学术搜索领域日益普及。文章对PrimoResearch Assistant、Web of Science Research Assistant和Scopus AI三款工具开展了详细的对比研究,从检索与生成机制、预过滤和查询解析、结果输出及用户体验、定价条款、可解释性和可重复性等多个维度进行分析,并通过布尔检索策略生成方式、检索增强生成答案等测试评估其性能表现,旨在为学术研究人员和图书馆员提供参考依据,帮助其选择最适合的工具以提高学术搜索效率。展开更多
[目的/意义]科技文献复杂知识对象对科技文献中的深度知识内容进行细粒度、全面的知识表示,可有效支撑数智驱动的科学发现与知识发现,是重要的科技创新要素。[方法/过程]首先,通过轻量级本体构建、BRAT知识标注和Neo4j知识存储等步骤实...[目的/意义]科技文献复杂知识对象对科技文献中的深度知识内容进行细粒度、全面的知识表示,可有效支撑数智驱动的科学发现与知识发现,是重要的科技创新要素。[方法/过程]首先,通过轻量级本体构建、BRAT知识标注和Neo4j知识存储等步骤实现领域知识图谱构建,其次,本地化部署大语言模型ChatGLM2-6B并通过低秩适应(Low-Rank Adaptation,LoRA)技术微调模型,最后基于思维记忆(Memory of Thoughts,MOT)机制将知识图谱中的复杂知识注入提示中,通过与大语言模型的多轮问答从科技文献中抽取出复杂知识对象。[结果/结论]以有机太阳能电池(Organic Solar Cells,OSC)为例验证方法的有效性,结果表明融合知识图谱与大语言模型的抽取方法优于大语言模型单独支撑的抽取方法,在准确率P、召回率R和F1值3个指标上分别提升14.1%、10.3%和12.3%。知识图谱能够增强大语言模型对科技文献的复杂知识对象抽取能力,提升OSC领域的科技文献挖掘效率与准确性。展开更多
文摘随着人工智能技术的发展,集成了检索增强生成的AI附加组件在学术搜索领域日益普及。文章对PrimoResearch Assistant、Web of Science Research Assistant和Scopus AI三款工具开展了详细的对比研究,从检索与生成机制、预过滤和查询解析、结果输出及用户体验、定价条款、可解释性和可重复性等多个维度进行分析,并通过布尔检索策略生成方式、检索增强生成答案等测试评估其性能表现,旨在为学术研究人员和图书馆员提供参考依据,帮助其选择最适合的工具以提高学术搜索效率。
文摘[目的/意义]科技文献复杂知识对象对科技文献中的深度知识内容进行细粒度、全面的知识表示,可有效支撑数智驱动的科学发现与知识发现,是重要的科技创新要素。[方法/过程]首先,通过轻量级本体构建、BRAT知识标注和Neo4j知识存储等步骤实现领域知识图谱构建,其次,本地化部署大语言模型ChatGLM2-6B并通过低秩适应(Low-Rank Adaptation,LoRA)技术微调模型,最后基于思维记忆(Memory of Thoughts,MOT)机制将知识图谱中的复杂知识注入提示中,通过与大语言模型的多轮问答从科技文献中抽取出复杂知识对象。[结果/结论]以有机太阳能电池(Organic Solar Cells,OSC)为例验证方法的有效性,结果表明融合知识图谱与大语言模型的抽取方法优于大语言模型单独支撑的抽取方法,在准确率P、召回率R和F1值3个指标上分别提升14.1%、10.3%和12.3%。知识图谱能够增强大语言模型对科技文献的复杂知识对象抽取能力,提升OSC领域的科技文献挖掘效率与准确性。
