Reference Recommendation for Large Language Models-Generated Text Using Deep Textual Representations

doi:10.59277/ROMJIST.2026.1.01

Reference Recommendation for Large Language Models-Generated Text Using Deep Textual Representations

2026-01-01

0

PRE

AI

S

Shariq Bashir *

DOI：10.59277/ROMJIST.2026.1.01

原文链接

原文求助

摘要

En 中文

大型语言模型（LLMs）在对话系统中的日益广泛应用引发了对其生成信息可信度和可验证性的担忧。这些模型通常能产生流畅且令人信服的回应，但可能缺乏事实依据或支持证据。为应对这一挑战，本研究提出了一种参考文献推荐方法，用于从LLM生成的文本中检索相关引用。该方法将LLM输出视为查询，并采用Sentence-BERT创建文档的深层上下文嵌入。通过整合Siamese和Triplet神经网络架构来建模语义相似性，并应用子模评分函数以确保推荐参考文献的相关性和多样性，进一步提升了检索性能。在特定领域数据集上的性能测试表明，所提方法在标准评估指标（包括F1 @ k和平均召回率排名MRR）上优于传统检索方法和近期基线。本研究为通过基于证据的支持来提高AI生成内容可靠性提供了一种可扩展且有效的方法。

Keyword:

Conversational information system

information retrieval

information sys tem

large language models

reference recommendation

Sentence-BERT

Reference Recommendation for Large Language Models-Generated Text Using Deep Textual Representations

摘要

期刊

机构