语言学视角下人工智能生成内容与用户生成内容的对比研究——以在线医疗服务场景为例

作     者：陈隽柏 吴国平 张童 谢明伟 王若佳 杜松星 郭凤英 Chen Junbai;Wu Guoping;Zhang Tong;Xie Mingwei;Wang Ruojia;Du Songxing;Guo Fengying

作者机构：北京中医药大学管理学院北京102488 北京中医药大学东方医院北京100078 

出 版 物：《情报理论与实践》 (Information Studies:Theory & Application)

年 卷 期：2024年第47卷第9期

页      面：192-201页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 120502[管理学-情报学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金青年项目“基于外泌体调控肿瘤缺氧微环境探讨四逆汤联合化疗抑制肺癌转移的分子机制”(项目编号:82204963) 中国高校产学研创新基金资助课题项目“基于电子病历的乳腺癌生存期预测决策支持系统”(项目编号:2021LDA12004) 北京中医药大学教育科学研究课题项目“面向医工文人才培养的‘学—赛—创’育人模式和产教协同机制探索与实践”(项目编号:XJY22045)的成果 

主　　题：生成式人工智能 在线医疗 语言学 比较分析 人工智能生成内容 

摘      要：[目的/意义]分析在线医疗场景中AIGC语言内容,为医生利用AIGC回复患者问题和患者自助问诊提供决策支持,为在线医疗平台有效利用AIGC提高服务质量提供参考意见。[方法/过程]收集在线医疗平台内1264条医患对话数据,将患者咨询问题输入ChatGPT中生成回复文本,分析医生真实回复和AIGC生成回复在语篇、词汇、语义、情感的异同;采用TF-IDF模型进行文本相似性分析,采用Doc2Vec模型进行语义相似性分析,采用xmnlp工具包进行情感分析,采用BERTopic模型进行主题差异分析。[结果/结论]AIGC与医生真实回复内容语篇整体文本相似度与语义相似度均值分别为0.09与0.81,情感态度得分中位数分别为0.48和0.44,差异无统计学意义;AIGC与医生真实回复内容主题间存在空间、层次及相似度差异,主题内存在内容和表征效力差异。结果表明,AIGC具备一定语言理解和情景推理能力,能为在线医疗情境下的医生和患者提供一定决策支持,但在语言表达上的准确性、连贯性、可读性等方面仍需改进。