IntellectSeeker: 基于概率模型与大语言模型的个性化文献管理系统
信息检索
2024-12-11 v1 人工智能
摘要
面对日益增长的学术文献数量，研究人员在使用传统学术引擎时常常遇到文章质量不确定以及术语搜索不匹配的问题。我们提出 IntellectSeeker，一个创新且个性化的智能学术文献管理平台，以应对这些挑战。该平台集成了基于大语言模型（LLM）的语义增强机器人与精密的概率模型，以实现文献搜索的个性化与流程简化。我们采用 GPT-3.5-turbo 模型，通过多轮少样本学习将日常语言转化为各场景下的专业学术术语。这一适配主要使学术新手受益，有效弥合了通用查询与学术术语之间的鸿沟。概率模型能够智能筛选学术文章，使其紧密对齐用户从明确需求与行为模式中衍生出的特定兴趣。此外，IntellectSeeker 集成了先进的推荐系统与文本压缩工具。这些功能基于用户交互实现智能文章推荐，并通过简洁的单行摘要与创新的词云可视化呈现搜索结果，显著提升了研究效率与用户体验。IntellectSeeker 为学术研究人员提供了一个高度可定制的文献管理解决方案，具备卓越的搜索精度与匹配能力。代码地址：https://github.com/LuckyBian/ISY5001
引用
@article{arxiv.2412.07213,
title = {IntellectSeeker: A Personalized Literature Management System with the Probabilistic Model and Large Language Model},
author = {Weizhen Bian and Siyan Liu and Yubo Zhou and Dezhi Chen and Yijie Liao and Zhenzhen Fan and Aobo Wang},
journal= {arXiv preprint arXiv:2412.07213},
year = {2024}
}