LLM驱动的框架通过动态知识图谱增强STI分析

本文介绍了一个新颖的框架，该框架结合了大型语言模型（LLMs）、动态知识图谱和传统文献计量学，以增强科技创新（STI）的分析。所提出的系统通过整合LLMs进行语义丰富，解决了静态文献计量指标的局限性，但严格限制其使用于初步候选生成。这些候选经过多层验证过程，确保认识论上的严谨性和可重复性，然后用于趋势出现和路径映射等高级分析。 AI

影响 该框架有望为科学和技术进步提供更准确、更及时的见解，从而辅助研究和政策决策。

排序理由 该条目是一篇学术论文，提出了一个新的STI分析框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• bibliometrics
• CatalyzeX Code Finder for Papers
• Connected Papers
• DagsHub
• Gotit.pub
• Hugging Face
• knowledge graph
• large language models
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →