自然语言处理

这篇论文首次将自然语言处理中的隐喻检测方法应用于心理学任务，揭示了隐喻使用与个体心理特征之间的关联。

通过分析Reddit评论，本文揭示了英国不同地区的语义足迹，展示了语言如何反映地理和文化差异。

通过自然语言处理技术，研究发现COVID-19疫情期间Reddit上的心理健康支持群体表现出更高的健康焦虑和自杀倾向。

该论文通过语言模型和权威信号结合，提出了一种在社交网络中自动检测领域内意见领袖的新方法，显著提升了检测效果。

该研究开发了一种端到端的自然语言处理管道，通过社交媒体帖子自动分类和诊断COVID-19，为公共卫生监测提供支持。

生成式人工智能大模型在信息内容生成方面展现出巨大潜力，但也带来了信息内容治理的新挑战，需平衡发展与安全。

本文通过细粒度的实体分析，揭示了自然语言处理（NLP）领域的技术发展趋势，特别是预训练语言模型的崛起及其对技术创新的影响。

这篇论文探讨了影响者联盟营销中语言特征对用户参与行为的影响，揭示了某些语言风格如何提升或降低用户互动。

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。

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。

利用全球报纸叙事构建主题知识图谱，显著提升三大经济体工业生产的预测准确性。

本文探讨了深度神经网络在数字人文和信息科学中的文本分析应用，并提出了应对训练数据和领域适应挑战的解决方案。

这篇论文展示了大型语言模型（LLMs）在金融新闻情感分析和股票市场预测中的卓越表现，特别是GPT-3模型在预测股票回报方面的显著优势。

该研究通过主题模型和情感分析评估了德国风电技术的合法性，揭示了其在能源转型中的社会和政治挑战。

研究发现，通过从大规模数据集中提取代表性子集，可以在减少数据量的同时保持90%的性能水平。

SsciBERT 是一个针对社会科学文本的预训练语言模型，显著提升了社会科学文献的自然语言处理任务表现。

这篇论文通过与GPT-3的访谈，探讨了大型语言模型在气候变化问题上的回答能力及其局限性。

FEDS-ICL 通过优化演示选择，显著提升大语言模型的翻译效率和准确性，速度提升2.1倍，翻译质量提升2.0 BLEU分。

ELECTRA提出了一种新的预训练任务——替换标记检测，显著提高了自然语言处理任务的效率和性能。