相关实验视频
Updated: Jun 12, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
对ChatGPT进行零射击评估,用于食品命名实体识别和链接
Matevž Ogrinc1,2, Barbara Koroušić Seljak2, Tome Eftimov2
1Jožef Stefan International Postgraduate School, Ljubljana, Slovenia.
Frontiers in nutrition
|September 18, 2024
概括
在食品和生物医学中,ChatGPT在命名实体识别 (NER) 中表现有前途,但在命名实体链接 (NEL) 中却存在困难. 在这些领域的关键决策中使用它的输出时,建议谨慎.
科学领域:
- 自然语言处理自然语言处理.
- 人工智能的人工智能
- 食品科学 食品科学 食品科学
- 生物医学信息学 生物医学信息学
背景情况:
- 信息提取对于智能系统至关重要,特别是在营养学家和临床医生的食品领域.
- 命名实体识别 (NER) 和命名实体链接 (NEL) 是信息提取中的NLP关键任务.
- 像ChatGPT这样的大型语言模型 (LLM) 提供了简化这些任务的潜力.
研究的目的:
- 评估ChatGPT-3.5和ChatGPT-4用于食品领域的NER和NEL任务.
- 为了比较ChatGPT的性能与生物医学领域的性能.
- 评估ChatGPT对这些任务的零射击能力.
主要方法:
- 评估了ChatGPT-3.5和ChatGPT-4在NER和NEL任务上的表现.
- 集中评估与食品相关的数据.
- 包括与生物医学领域进行比较分析.
- 使用零射击学习评估.
主要成果:
- 与现有模型相比,ChatGPT在NER任务中显示出有希望的结果.
- 在执行NEL任务时,ChatGPT的有效性显著下降.
- 在ChatGPT-3.5和ChatGPT-4.5之间,性能有所不同.
结论:
- 聊天GPT显示了NER在食品和生物医学等专业领域的潜力.
- 在ChatGPT的NEL功能中存在重大限制.
- 在应用ChatGPT输出用于食品和生物医学领域的关键决策时,需要仔细考虑.
