现。</p>
25 本章小结</p>
本章主要介绍了本项目中使用的四种关键技术与模型。这些技术主要基于大型语言模型，并且</p>
依赖于 rag 技术的原理。介绍了知识抽取技术，它利用先进的自然语言处理技术从文本中提取有意</p>
义的信息和知识，随后讨论了文本处理中所使用的 rag 技术，该技术可以显着提高大型语言模型在</p>
专业领域的性能，增强信息检索的准确性和效率。最后探讨了在文本比对过程中所需的相似度计算</p>
方法，这对于评估文本之间的相似程度至关重要。</p>
了解清楚数据获取来源后，进行数据采集，数据采集的方法包括自动化和手动两种方式：</p>
自动化采集：利用编写的 python 脚本通过 api 接口自动从上述数据库和期刊中下载文献和元</p>
数据，部分代码如图 32 所示。这种方法的优点是效率高，可以大量快速地收集数据。使用</p>
beautifulup 和 reests 库从开放获取的期刊网站爬取数据。</p>
手动采集：通过访问图书馆、研究机构以及联系文章作者等方式获取不易自动下载的资源。虽</p>
然此方法更费时，但有助于获取更全面的数据集，特别是一些最新或尚未公开的研究成果。</p>
将两种方法采集到的文献数据进行汇总，最大范围的将有关电力 lca 领域的英文文献进行汇</p>
总，共获得 507 篇。</p>
最后是将各个途径获取到的文献数据和元数据汇总，进行数据预处理。</p>
采集到的数据需经过清洗和预处理，才能用于后续的分析。</p>
数据预处理的步骤包括：</p>
数据清洗：删除重复的记录，校正错误的数据格式，填补缺失值。</p>
数据整合：将来自不同来源的数据整合到一个统一的格式和数据库中，如表 31 所示，以便进</p>
小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！</p>
更多内容加载中...请稍候...
本站只支持手机浏览器访问，若您看到此段落，代表章节内容加载失败，请关闭浏览器的阅读模式、畅读模式、小说模式，以及关闭广告屏蔽功能，或复制网址到其他浏览器阅读！
CFF中文网【cffzw.com】第一时间更新《离语》最新章节。若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！