题目：《深度学习与大语言模型辅助文本研究》

主讲人：金明哲，京都先端科学大学特任教授、博士生导师，吉林外国语大学人工智能学院教授。

时间：2026年11月11日18：00--19:30

地点：人工智能学院会议室（敦材楼202）

主办：科研处、人工智能学院

主持人：人工智能学院院长张克亮教授

参加人：全校各相关学科专业领域的教师、研究生和本科生。

讲座人简介：

金明哲，京都先端科学大学特任教授、博士生导师，吉林外国语大学人工智能学院教授。数字与人文交叉学科领域国际知名学者，研究领域涵盖文本挖掘、语料库计量、人文文本量化分析，以及复杂网络、语言统计建模。立足AI时代学术研究发展趋势，系统构建了新时代文本分析与挖掘的完整方法论体系，阐释了传统统计分析手段与大语言模型（LLM）的互补优势和融合路径，创新性提出“文本数智科学”研究框架。在国内外期刊和学术会议发表论文170余篇，专著、百科全书50余部，主持日本文部省多项科研基金，获得日本行动计量学会林知己夫优秀奖和日本统计学会出版奖。

讲座内容简介：

   为推动数字技术与人文社科研究深度融合，助力研究者掌握量化文本分析方法、提升实证科研能力，讲座系统讲解文本分类基础理论、实操流程、模型选型、评估体系与学术应用，有效打通理论、实操与科研落地的壁垒。首先梳理文本分类两大研究范式，区分无监督聚类与有监督分类的适用场景，重点讲解更适配社科研究的有监督分类方法，介绍其在文本立场判别、情感倾向分析、文体辨析、话语风格识别等方向的应用价值。针对政策、新闻、古籍等专业文本，讲座纠正通用词典分析的常见误区，强调特殊文本需通过人工标注训练模型，避免结果失真，保障研究严谨规范。在实操环节，讲座完整展示量化文本研究全流程，讲解词袋模型、TF-IDF、N-gram等常用特征工程方法，并结合人文社科小样本研究现状，介绍数据集科学划分原则，重点阐释K折交叉验证、留一法等样本优化方法，有效解决标注数据有限带来的建模难题。同时，讲座纠正单一依赖准确率的评价误区，详解混淆矩阵、精确率、召回率、F1值、AUC等指标的适用场景，指导师生根据数据分布合理开展模型评估。此外，讲座横向对比逻辑回归、SVM、随机森林、XGBoost与BERT预训练模型的性能、优缺点及适配场景，针对小样本、高维稀疏、语义理解等不同研究任务，提供科学的模型选型建议。整场讲座紧扣数字人文研究痛点，兼顾理论深度与实操性，内容详实、指导性强。本次讲座有效拓宽了师生量化研究视野，帮助研究者熟练掌握文本挖掘技术方法，为推动人文社科研究数字化、实证化创新发展提供了有力的技术支撑。