人工智能驱动的文本挖掘与非结构化数据分析： 技术、伦理与社会维度的影响探析

李月 良帆
西北民族大学经济学院

摘要


随着深度学习与大语言模型技术的快速迭代，文本挖掘与非结构化数据分析领域迎来了范式级的技术变革。
以BERT、GPT系列为代表的预训练语言模型极大提升了非结构化文本的处理能力，拓展了自然语言生成、情感分
析、信息抽取等任务的应用边界，但同时也在技术、伦理与社会层面引发了一系列深层挑战。本文从技术革新与局
限、伦理风险与争议、社会变革与治理三个维度，系统梳理人工智能驱动的文本挖掘技术带来的多重影响，旨在为
理解该领域的发展困境与未来方向提供批判性视角。

关键词


文本挖掘；非结构化数据分析；大语言模型；人工智能伦理；技术社会影响

全文:

PDF


参考


[1]Devlin, J., Chang, M. W., Lee, K., & Toutanova, K..

(2019). Bert: pre-training of deep bidirectional transformers

for language understanding. ArXiv, abs/1810.04805.

[2]Brown, T. B., Mann, B., Ryder, N., Subbiah, M., &

Amodei, D. . (2020). Language models are few-shot learners.

[3]Zhao, Y., Zhang, J., & Zong, C. . (2023).

Transformer: a general framework from machine translation

to others.机器智能研究(英文)(4), 514-538.

[4]Bender, E. M., Gebru, T., Mcmillan-Major, A.,

& Shmitchell, S. . (2021). On the dangers of stochastic

parrots: can language models be too big?. Proceedings of the

2021 ACM Conference on Fairness, Accountability, and

Transparency.


Refbacks

  • 当前没有refback。