加载中...
本文提出一个结合Transformer句向量、降维与聚类的可复制算法化系统文献综述框架,并将其应用于金融叙事研究领域,识别出研究从情感/主题统计向基于深度学习与图结构的叙事建模演进的趋势;算法化筛选将初始288篇文献精炼至16篇核心研究以进行深入分析,证明该框架在提高选择一致性与可复现性方面的有效性
| 步骤 | 核心方法 |
|---|---|
| 文献抓取 | Scopus API + 抽取 title/abstract/keywords |
| 语义表征 | OpenAI text-embedding-3-small(最终选用),对用户定义的6条判据及其每条5个改写取平均向量进行相似度评分 |
| 标准化与降维 | 对6维相似度做Z-score标准化,使用KMO/CN判定后应用PCA,保留解释99%方差的成分 |
| 聚类与评估 | 比较K-means / GMM / Agglomerative,基于平均相关度(50%权重)、Silhouette(20%)与保留数量(30%)的加权得分选择最优方法 |
| Criteria | Decision |
|---|---|
| 包含预定义关键词在 title/abstract/keywords 中 | Inclusion keyword list |
| 非学术期刊发表 | Exclusion |
| 非英语 | Exclusion |
| 2010 年之前发表 | Exclusion |
| 重复项 | Exclusion |
| 与研究问题低相关 | Exclusion |
| 无法在线获取全文 | Exclusion |
| Workshop proceedings | Exclusion |
元数据与概览(引言与报告概览)
逐节深度解读(逐章精读与剖析)
图表与表格的逐一解读(图表深度解读)
关键数据点与方法性参数解析(来自报告的定量指标)
关于研究内容的分类与主要发现(逐章摘要)
风险因素评估(报告中识别的局限与本分析的延伸)
批判性视角与细微差别(审慎与建议)
结论性综合(最终摘要与对作者立场的重述)
附注(可操作性建议)
(全文基于原文各段落与附录表/图的内容逐条解释与溯源,文中每一项结论或引述均直接对应报告所述页码并在句末以 [page::页码] 标注以便追溯。)
2601.03794.pdf