基于ChatGPT增强和监督对比学习的政策工具归类研究OA北大核心CSTPCD
政策工具的归类是政策文本量化分析和研究的重要维度之一。由于训练数据的缺乏,政策文本相似度高,模型难以学习到足够丰富的特征表示,对它的预测结果缺少置信度,有较高的错误分类风险。为此提出了基于ChatGPT增强和监督对比学习的政策工具分类方法,该方法分为预训练语言模型微调和ChatGPT决策增强两个阶段,第一阶段使用ChatGPT大语言模型增强政策文本以增加训练数据数量,结合监督对比学习微调RoBERTa模型,使模型学习到更丰富的政策文本表示;第二阶…查看全部>>
胡志强;李朋骏;王金龙;熊晓芸
青岛理工大学信息与控制工程学院,山东青岛266525青岛理工大学信息与控制工程学院,山东青岛266525青岛理工大学信息与控制工程学院,山东青岛266525青岛理工大学信息与控制工程学院,山东青岛266525
计算机与自动化
文本分类ChatGPT数据增强监督对比学习政策工具
《计算机工程与应用》 2024 (7)
P.292-305,14
国家自然科学基金(61902430,42201506)。
评论