中英文图情领域大语言模型研究主题对比分析——基于ChatGPT发布后CSSCI_SSCI文献的BERTopic建模分析.pdfVIP

第２２期江苏科技信息Ｎｏ２２

２０２５年１１月ＪｉａｎｇｓｕＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｆｏｒｍａｔｉｏｎＮｏｖｅｍｂｅｒꎬ２０２５

中英文图情领域大语言模型研究主题对比分析

———基于ＣｈａｔＧＰＴ发布后ＣＳＳＣＩ/ＳＳＣＩ文献的ＢＥＲＴｏｐｉｃ建模分析

张宁ꎬ李媛∗

(天津中医药大学图书馆ꎬ天津３０１６１７)

摘要:ＣｈａｔＧＰＴ发布后ꎬ大语言模型成为图情领域的研究热点ꎬ但中英文研究差异尚未系统厘清ꎮ文

章基于ＢＥＲＴｏｐｉｃ主题建模方法ꎬ对ＣｈａｔＧＰＴ发布以来图情领域ＣＳＳＣＩ/ＳＳＣＩ期刊中涉及大语言模型

的１３７篇中文文献和２７８篇英文文献进行对比分析ꎮ研究发现ꎬ二者在研究视野、方法路径、治理逻辑

和用户研究上呈现出显著差异与较强互补性ꎮ基于此ꎬ文章从融合跨语境视野、加强方法交叉、构建

多层治理框架和深化用户研究４个方面提出建议ꎬ以促进本土特色与国际前沿的对话ꎬ为后续研究提

供参考ꎮ

关键词:图情领域ꎻＣｈａｔＧＰＴꎻ大语言模型ꎻＢＥＲＴｏｐｉｃ

中图分类号:Ｇ２５０７文献标志码:Ａ

０引言实践提供有益参考ꎮ

自２０２２年ＣｈａｔＧＰＴ[１]发布以来ꎬ大语言模型１实证研究

(ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌｓꎬＬＬＭｓ)凭借其卓越的自然语１１数据来源与筛选标准

言处理能力ꎬ在学术与应用领域引发了广泛关注ꎮ作１１１中文文献

为信息组织与知识服务的核心阵地ꎬ图情领域亦成为以ＣＮＫＩ数据库为数据源ꎬ检索式设定为“主题:

＋＋

ＬＬＭｓ技术落地的重要场景ꎮ图情领域的研究重心正ｃｈａｔｇｐｔ大语言模型ｇｐｔ∗”ꎮ文献分类限定为图

在由传统的数据驱动研究向大语言模型驱动的研究书情报与数字图书馆ꎬ文献类型选择学术期刊ꎬ来源

[２]类别为ＣＳＳＣＩꎮ出版年度限定为２０２２年起ꎬ检索日期

范式转移ꎮ作为自然语言处理前沿技术ꎬＬＬＭｓ依

托对海量文本数据的学习能力ꎬ通过智能理解和组织为２０２５年１月２１日ꎬ初检获得１７３篇文献ꎮ经

广泛学科信息资源实现自动化分类与精准检索ꎬ为图ＮｏｔｅＥｘｐｒｅｓｓ剔除非研究性文献ꎬ如会议导语和报道及

情领域带来全新信息处理和服务方式ꎬ大幅提升工作ＬＬＭｓ只是作为背景出现的文献后保留１３７篇ꎮ

[３]１１２英文文献

效率并能够更好适应信息增长需求ꎮ在国际图情

[４]以ＷｅｂｏｆＳｃｉｅｎｃｅ核心合集(ＳＳＣＩ)为数据源ꎬ检索

领域ꎬ已有研究深入探讨了ＬＬＭｓ在医疗临床、跨

[５]

学科知识发现等场景的应用潜力ꎻ国内研究则围绕式设定为ＴＳ＝(ＣｈａｔＧＰＴＯＲ“ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌ∗”

[６][７]

智慧图书馆服务升级、古籍数字化智能处理等本ＯＲＧＰＴ－∗ＯＲＬＬＭｓ)ꎬＷｅｂｏｆＳｃｉｅｎｃｅ类别限定为

土化实践展开ꎮ目前ꎬ已有学者对国内外大语言模型ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆