arXiv cs.CL· Hari Sitaula, Manish Sakhakarmy, Pujan Pant, Sagar Newpane·· 14 小时前AI 评分18
将 LLM-SC 适配到活态神圣遗产：Pashupatinath 神庙评论的领域特定抽取、语义网络与人工评估
Adapting LLM-SC to Living Sacred Heritage: Domain-Specific Extraction, Semantic Networks and Human Evaluation on Pashupatinath Temple Reviews
AI 导读
研究将 LLM-SC 框架适配到尼泊尔 Pashupatinath 神庙，在 GPT-4o 抽取提示词中定义 12 类实体（4 类原始 LLM-SC 类型加 8 类神圣遗产类型）、4 种关系和 9 个方面-情感维度，处理 2,500 条英文 Tripadvisor 评论。
正文 · AI 翻译
摘要：大语言模型（LLM）流水线可以将游客评论转化为结构化数据，但通用方案可能会遗漏活态圣迹遗址中的仪式、神圣空间、文化禁忌以及情感混杂的体验。我们将 LLM-Social Computing（LLM-SC）框架适配到尼泊尔帕斯帕提那神庙，在 GPT-4o 提取提示中指定了 12 类实体分类体系（4 个原始 LLM-SC 类型加上 8 个圣迹类型）、4 种关系类型和 9 个方面-情感维度，并将其应用于从 3,939 条已处理语料中固定随机抽取的 2,500 条英文 Tripadvisor 评论。导出结果包含 11,286 条实体记录、6,232 条方面-情感记录和 5,590 条关系记录，分别覆盖 2,485、2,487 和 2,433 条评论；新增的 8 个圣迹类型占实体记录的 64.8%。以 200 条评论的经裁决双标注者参考为基准，精确归一化表层与类型匹配给出的临时实体得分为 41.0% 精确率、21.8% 召回率和 28.4% 微 F1。方面存在性 F1 为 53.6%，端到端方面加极性 F1 为 42.6%。人工裁决支持了 194 个首列关系候选中的 153 个（每条评论一个；78.9%），该候选级比率不能估计关系召回率或全图精确率。贡献在于一个具有文化根基的领域特定适配，包含逐组件人工评估，并明确说明了可复现性和泛化性局限。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35685 [cs.CL] |
| （或 arXiv:2610.35685v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35685 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hari Sitaula [查看邮箱]
[v1]
2026年10月26日星期一 16:20:00 UTC（605 KB）
来源：arXiv cs.CL · arxiv.org