基于大语言模型微调的科研实体识别方法研究

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

研究背景与问题

在当前信息化和数字化的大背景下，科研实体识别技术在学术文献挖掘、知识图谱构建等方面扮演着至关重要的角色。然而，传统的科研实体识别方法在处理复杂文本和特定领域数据时往往效果不佳。为此，本研究旨在探索大语言模型微调在科研实体识别中的应用，以解决特定类型科研实体识别效果不高的问题。

研究方法

本研究首先对原始评测数据集进行分句与实体筛选预处理，确保数据的质量和准确性。在此基础上，通过构建特定提示模板，将预处理后的数据转化为符合大语言模型微调格式的数据集。具体方法包括： 1. 对原始数据集进行分句处理，提取出科研实体的相关句子； 2. 通过实体筛选技术，识别出句子中的科研实体； 3. 设计特定的提示模板，将筛选出的实体及其上下文信息转化为符合大语言模型微调格式的数据集； 4. 采用低秩自适应稀疏嵌入等先进技术，对大语言模型进行微调。

核心结果

本研究通过大语言模型微调方法，对特定类型科研实体的识别效果进行了提升。实验结果表明，该方法在多个评价指标上均优于传统方法。具体表现在： 1. 在准确率方面，相较于传统方法，大语言模型微调方法提高了约5%； 2. 在召回率方面，大语言模型微调方法提高了约3%； 3. 在F1值方面，大语言模型微调方法提高了约4%。这些结果表明，大语言模型微调在科研实体识别领域具有较高的应用价值。

结论与意义

本研究针对科研实体识别领域存在的问题，提出了基于大语言模型微调的新方法。通过实验验证，该方法在特定类型科研实体识别方面取得了显著的成效。这一成果对于提高科研实体识别的准确性和召回率具有重要意义，有望推动科研实体识别技术的发展。此外，本研究也为大语言模型在学术文献挖掘、知识图谱构建等领域的应用提供了有益的参考。