可穿戴传感器的风景和用大语言模型进行自动化文献分析
Jaromir Klarák1, Vitor H B D Santi2, Luan F Moreira2
1Institute of Informatics, Slovak Academy of Sciences, Bratislava 845 07, Slovak Republic.
ACS omega
|September 29, 2025
概括
这项研究结合了网络分析和大型语言模型 (LLM) 来自动化对健康监测可穿戴传感器的文献评论. 虽然有望进行可扩展的分析,但LLM需要人类监督以获得准确性和深度.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 材料科学 材料科学 材料科学
背景情况:
- 科学文献的增长需要高效的分析工具.
- 可穿戴式传感器对于健康监测至关重要.
- 自动化文献合成是一个新兴的研究领域.
研究的目的:
- 探索整合复杂网络分析和LLM用于自动化文献审查.
- 专注于用于健康监测的可穿戴传感器的研究领域.
- 评估这种混合方法的有效性和局限性.
主要方法:
- 使用OpenAlex获取可穿戴传感器上的科学论文.
- 构建了论文引用网络,并进行了主题聚类.
- 雇佣了LLM (ChatGPT) 来从网络集群中生成摘要.
主要成果:
- 确定了诸如石墨烯传感器,步态分析和人工智能应用等关键子话题.
- 法律法规产生了连贯的概述,但表现为肤浅和不准确.
- 用混合方法展示了可扩展文献评论的潜力.
结论:
- 结合网络分析和LLM,提供了一个加速学术合成的框架.
- 人类监督对于确保自动化分析的严谨性和相关性至关重要.
- 确定了可穿戴传感器技术的关键缺口,包括标准化和能源效率.
