大模型与生成式人工智能研究

本研究为11,310个简体中文词汇提供了情感效价和唤醒度的评分，进一步丰富了中文心理语言学数据库。

本文探讨了深度学习在科学文献分析中的应用，通过自然语言处理和图神经网络构建语义和关系空间，揭示了科学研究的复杂模式。

该研究利用自然语言处理技术自动评估心理治疗中的情绪，提出了一种基于BERT的模型，显著优于传统方法。

本研究提出基于大模型的教学智能体框架，支持多模态感知与动态进化，应用于项目式学习场景，提升教育智能化水平。

这篇论文揭示了自监督训练的神经网络如何在没有显式监督的情况下学习语言的层次结构。

这篇论文探讨了人类如何从离散的序列中学习和表示复杂的网络结构，揭示了网络结构对人类认知和行为的影响。

该研究提出了一种基于网络挖掘的创新生态系统映射框架，并通过大规模试点研究验证了其有效性。

这篇论文提出了一种基于深度学习的方法，用于检测和可视化社交媒体上的仇恨言论，帮助用户和安全机构实时监控和应对网络暴力。

该论文提出了一种基于机器学习的混合方法，通过用户生成内容（UGC）高效识别客户需求，显著提升了市场研究和产品开发的效率。

该研究通过主题建模和话语分析，揭示了巴西乙醇生产与气候变化、粮食安全之间的复杂关系。

该论文提出了一种基于马尔可夫逻辑网络（MLN）的新闻事件预测方法，结合语义分析和概率推理，显著提升了预测精度和多样性。