细腻的语言如何导致更具可操作性的洞察？探讨生成式 AI 在分析叙事结构中的作用

描述数据趋势的相关语言对于生成摘要以帮助读者获取要点非常有用。然而，这些常为模板生成的摘要所使用的语言倾向于简单，仅涵盖描述简单统计信息（例如极值和趋势）而缺乏额外的背景和富有洞察力的语言以提供可操作的见解。近期的大型语言模型（LLM）在捕捉描述信息时所蕴含的细微差别方面显示出有前景的能力。本工作论文特别探讨了如何通过聚焦于分析叙事结构的三个维度——语义、修辞和语用——来让 LLM 在描述趋势时提供更具可操作性的洞察。基于对单变量折线图的视觉与语言特征进行的前期研究，我们检查了 LLM 如何进一步利用分析叙事的语义维度，通过量化语义来描述人们直观观察趋势形状的方式。这些语义描述有助于以一种导向语用结果的方式（即行动呼吁、说服、警告与提醒、情境意识）来传达见解。最后，我们识别了修辞层面的影响，即这些生成的叙事与数据所呈现形状的感知匹配程度，从而使用户能够基于这些数据见解做出知情决策并采取有意义的行动。