XiaoMi-AI文件搜索系统
World File Search SystemTexts
nlp和深入学习医疗文本的分析
摘要 - 本手稿在评估与医疗保健有关的文本中的情绪评估中对人工智能（AI）的利用进行有条理的研究，特别关注自然语言处理（NLP）和深度学习技术的融合。我们仔细检查了许多研究，这些研究采用AI来增强情感分析，对情绪进行分类以及基于临床叙述，患者对药物的反馈和在线健康讨论的文本信息的预测患者的结果。审查表明，在用于情感分类的算法，神经退行性疾病的AI模型的预后能力以及创建AI驱动系统的精确性方面表明了值得注意的进展，这些模型在临床决策中提供了支持。值得注意的是，AI应用的利用通过整合患者情绪并有助于早期鉴定精神疾病的鉴定，从而增强了个性化治疗计划。存在持续的挑战，其中包括确保AI的道德应用，保护患者机密性以及解决算法程序中的潜在偏见。尽管如此，AI的潜力彻底改变了医疗保健实践，这是可以毫无疑问的，提供了一个未来，医疗保健不仅更加知识渊博，有效，而且更加同理心，并且围绕患者的需求而集中。这项调查强调了AI对医疗保健的变革性影响，对其在检查医疗保健文本中的情感内容中的作用充分理解，并突出了对更富有同情心的患者护理方法的轨迹。调查结果倡导AI的分析能力和医疗保健人类方面之间的和谐协同作用，确保技术进步与患者的情感福祉保持一致。索引术语 - 夫人智力，自然语言程序，医疗保健，文本，深度学习，情感分析
火影忍者：自动从叙事文本中获取计划模型
域模型采集已被确定为计划技术的应用，尤其是在叙事计划中的瓶颈。以自动化的方式从叙事文本中学习动作模型对于克服这种障碍，但由于此类文本的固有复杂性而具有挑战性至关重要。我们使用我们完全自动化的，无监督的系统Naruto介绍了从叙事文本得出的计划域模式的评估。我们的系统结合了结构事件提取，常识事件的预测以及文本矛盾和相似性。评估结果表明，火影忍者生成的域模型比现有的完全自动化的甲基动物更高，甚至有时与在人为援助的情况下与半自动化方法创建的域相提并论。
学术研究中AI生成的文本的定量分析：一项研究
摘要：许多人对Chatgpt感兴趣，因为它已成为一个著名的AIGC模型，该模型在各种情况下（例如软件开发和维护）提供了高质量的响应。滥用Chatgpt可能会引起重大问题，尤其是在公共安全和教育方面，尽管它具有巨大的潜力。大多数研究人员选择在ARXIV上发布其作品。未来工作的有效性和独创性取决于在此类贡献中检测AI组件的能力。为了满足这一需求，本研究将分析一种可以查看学术组织用来在ARXIV上发布的内容的方法。为此，使用物理，数学和计算机科学文章创建了一个数据集。使用新构建的数据集，以下步骤是通过其步调将simpality.ai放置。统计分析表明，原始性。EA非常准确，速率为98％。
Musti Challenge @ MEDEREVAL 2023-对文本和图像中的气味的多模式了解
人类与气味互动的方式是无形文化遗产的一个典型例子：创造气味的方式，在使用哪种情况下，而且人们对它们的欣赏方式也高度依赖文化。通过在较长时间内介绍多种流派和多种语言的文本和图像中的气味表达，我们可以更多地了解气味如何随着时间的流逝影响人类的互动。虽然气味在我们的日常生活中至关重要，但在自然语言处理和计算机视觉社区中几乎没有关注它。虽然有一些词典专注于气味，但Odeuropa文本基准数据集是第一个多语言的，跨域文本数据集，重点是气味参考[1]。同样，对于计算机视觉，直到此任务的成员创建了气味挑战数据集之前，不存在先验数据集[2]。在对文本和图像（Musti）挑战中气味的多模式理解中，我们将这些方式融合在一起，邀请研究社区以不同方式描述和描述的气味方式探索相似之处和互补性。中世纪2023年的Musti挑战旨在从16至20世纪之间从数字多语言文本和图像收集中收集有关气味的信息。更精确，
人类和人工智能生成的英语、法语、德语和西班牙语文本分类
在本文中，我们分析了英语、法语、德语和西班牙语的人类和人工智能生成的文本的特征，并在不同语言之间进行了比较。我们研究了两种情况：（1）检测人工智能从头开始生成的文本，以及（2）检测人工智能改写的文本。为了在这种多语言环境中训练和测试分类器，我们创建了一个涵盖每种语言 10 个主题的新文本语料库。对于人工智能生成的文本的检测，所有提出的特征的组合表现最佳，表明我们的特征可以移植到其他相关语言：F1 分数接近，西班牙语为 99%，英语为 98%，德语为 97%，法语为 95%。对于 AI 改写文本的检测，在许多情况下，具有所有特征的系统优于具有其他特征的系统，但仅使用文档特征对德语 (72%) 和西班牙语 (86%) 的效果最佳，而仅使用文本向量特征对英语 (78%) 的效果最佳。
使用可解释的人工智能和文体特征检测和揭露人工智能生成的文本
摘要 — 近年来，人工智能 (AI) 极大地改变了人类活动的各个方面，包括文本创作。人工智能技术的进步使计算机能够生成与人类写作非常相似的文本，这引发了人们对错误信息、身份盗窃和安全漏洞的担忧。为了应对这些挑战，了解人工智能生成文本的潜在模式至关重要。本研究侧重于揭示这些模式，以建立区分人工智能生成文本和人类生成文本的道德准则。本研究通过阐明区分人类和机器生成文本的方法，为正在进行的人工智能生成内容讨论做出了贡献。该研究深入研究了音节数、单词长度、句子结构、功能词使用和标点符号比率等参数，以检测人工智能生成的文本。此外，该研究还整合了可解释人工智能 (xAI) 技术——LIME 和 SHAP——以增强机器学习模型预测的可解释性。该模型表现出色，准确率达到 93%。利用 xAI 技术，进一步揭示了 Herdan 的 C、MaaS 和 Simpson 指数等关键属性在分类过程中发挥了主导作用。
基于（生成式）人工智能的文本需求分析
摘要。生成人工智能 (genAI) 创新为最终用户带来了新的潜力，影响到年轻人和缺乏经验的人。然而，作为一项创新技术，genAI 有可能产生无法识别的错误信息。非凡的人工智能输出可以提高可信度。最终用户评估系统对于揭露对错误响应的毫无根据的依赖是必要的。本文确定了评估系统的要求，以防止最终用户高估对生成文本的信任。因此，我们根据文献综述和两项国际调查进行了需求工程。结果证实了在处理 genAI 时实现人类保护、人类支持和内容真实性的要求。高估信任的根源在于校准错误；了解 genAI 及其提供者对于解决这一现象至关重要，并且需要人工验证。因此，我们的研究结果为未来以人为本的 genAI 信任解决方案的信息系统研究的重要性提供了证据。
使用人工智能进行文本对话 - Taylor & Francis 电子书
美国国会图书馆出版品目数据 名称：Neuman, Yair, 1968- 编辑。| Danesi, Marcel, 1946- 编辑。| Vilenchik, Dan, 1977- 编辑。 标题：使用人工智能与文本对话：从心理学到电影和文学/Yair Neuman、Marcel Danesi、Dan Vilenchik。 其他标题：使用人工智能与文本对话 说明：纽约，纽约州：劳特利奇，2023 年。| 系列：劳特利奇专注于语言学 | 包括参考书目和索引。 标识符：LCCN 2022029268（印刷版）| LCCN 2022029269（电子书）| ISBN 9781032363271（精装本）| ISBN 9781003331407（电子书）主题：LCSH：批评——数据处理。| 文学与技术。| 人工智能。| 文本数据挖掘。| 诠释学。分类：LCC PN98.E4 U85 2023（印刷版）| LCC PN98.E4（电子书）| DDC 801/.95028563–dc23/eng/20220826 LC 记录可在 https://lccn.loc.gov/2022029268 上找到 LC 电子书记录可在 https://lccn.loc.gov/2022029269 上找到
可视化和文本的处理速度和可理解性
由于可视化在每天的生活中变得越来越重要，因此了解它们实际上有多帮助，尤其是与文本相比，至关重要。此最先进的报告概述了人类对静态可视化或文本是否更快，哪个是更好的综合性。为此，讨论了19项研究，两个荟萃分析和一篇文章。一般而言，没有任何全球范围都无法找到，因为只有少数研究直接将文本与没有其他文本的可视化进行比较，而这些研究产生了冲突的结果。大多数研究将文本与文本与其他拟合性进行了比较，并显示出其积极和负面影响。在处理时间时，根本没有比较研究。关于可理解性，研究显示了一些有趣的结果。如果仅存在可视化或仅文本，则两者似乎同样可以理解。在大多数情况下，将可视化添加到文本中的可理解性。装饰图片可以提高情绪并增加学习的表现，但他们也可以将注意力从重要方面转移出来。此外，尤其是年幼的孩子和贫穷的学习者可能会遇到链接文本和可视化信息的问题。
关键字提取和技术实体提取的破坏性技术政策文本
破坏性技术是由哈佛大学教授克里斯滕森（Christensen）于1997年提出的[1]，并已成为近年来国际机构和研究人员的热门话题。通常认为，破坏性技术是战略创新技术，它基于S＆T的新原理，组合和应用开辟了新的技术轨道，并为传统或主流技术提供了整体或基本的替代方法。破坏性技术具有强大的应用功能，可以增强企业甚至国家的科学和技术竞争力，促进科学和技术产品的更新，提高社会生产效率，并有望在许多领域产生巨大影响。破坏性的技术政策可以刺激技术创新并提供相应的支持和保证，因此有必要研究颠覆性技术政策文本的采矿。