论文

这篇论文探讨了影响用户使用ChatGPT的因素，提出了一个综合的信息技术接受框架，揭示了用户对AI聊天机器人的信任、互动性和信息质量的重视。

这篇论文提出将生成式AI视为‘风格引擎’，揭示了其在创造性任务中的独特潜力，并提出了四种应用原型。

本研究通过结合定性编码与深度学习，提出了一种高效分类大规模政策文本数据的方法，揭示了公众对《清洁电力计划》的态度变化。

本研究通过分析3293个中文问答对，揭示了ChatGPT生成语言与人类语言在161个语言特征上的显著差异。

本文提出了大数据能力的概念，揭示了企业如何通过大数据能力优化和革新价值创造。

这篇论文探讨了大语言模型（LLMs）在零样本学习下作为原创性评审员的潜力，发现其在某些方面表现良好，但仍需改进。

大语言模型在决策支持系统中引发新问题，改变个体与组织的决策方式。

本文探讨了多模态大模型在教育领域的应用潜力，提出了构建教育领域通用大模型及其三类典型应用。

本文提出了一种基于维基百科的新型语义相似度计算方法，通过整合信息内容和概念特征，显著提升了语义相似度评估的准确性和人类相关性。

本文提出了一种基于改进Shapley值的双层道路数据资产收益分配模型，旨在公平合理地分配数据价值链中的收益。

MuKCoT框架通过多模态知识推理链提升视觉问答任务的解释性和准确性。

本文提出了一种基于ChatGPT的多模态实体情感分析框架，通过实体感知对比学习提升少样本学习效果。

利用大语言模型（LLMs）提升公共事件下的人类移动预测，显著优于传统模型。

本文提出了一种基于大语言模型反馈的因果关键词驱动的可靠文本分类方法，显著提升了预训练语言模型在跨域文本分类任务中的性能。

本文提出了一种基于多特征融合的深度学习情感分析方法，显著提升了情感分类的准确性。

该论文提出了一种自动化监测在线新闻准确性的新方法，通过分析新闻文章的更新来检测错误修正。

本研究提出了一种基于LSTM网络的深度学习框架，用于预测未来词汇的共相似性矩阵，识别新兴技术趋势。

本研究揭示了B2B市场中企业如何通过四种数据驱动的价值主张来销售和货币化数据，推动数字化转型。

本文探讨了数字革命对国家治理能力的影响，提出了国家数字能力的四种类型，并强调自主性与嵌入性的动态平衡。

本文提出了一种最大化区分掩码（MDM）方法，通过屏蔽不稳定世界知识来提高问答系统的忠实性和事实准确性。