力行業 LcA 的英文文獻中不同格式資料進

行解析，將文獻大致分割槽，便於分類和文字提取，提高解析準確性。

(2)透過對電力行業 LcA 的英文文獻的解析，構建向量資料庫，透過呼叫該向量資料庫，提升

大模型回答關於電力行業 LcA 時效性問題與專業性問題的能力，增強大語言模型對於電力行業 LcA

問題分析的能力。

(3)透過實際資料對該資料庫進行測評，分析該資料庫回答專業性問題與時效性問題的能力。

1.2.2 研究意義

大語言模型處理論文具有重要的理論意義，一方面促進了語言理解與生成研究，推動了對語言

模型和語言生成演算法的深入探索；另一方面，透過學習大量的論文文字，大語言模型有助於最佳化文

本表示學習方法，提高文字特徵的抽象能力和表示效果，促進文字分類、聚類和生成等任務的發

展。此外，大規模論文解析還可實現領域專業化和知識深度挖掘，幫助模型更好地理解和應用特定

領域的知識，併為知識圖譜的構建提供資料基礎。最重要的是，大語言模型處理論文能夠跟蹤學術

研究的進展和趨勢，識別學術領域的研究熱點和前沿問題，為學術研究者和決策者提供科研方向和

決策支援。這些理論意義上的貢獻，將推動自然語言處理、文字表示學習、領域專業化、知識圖譜

構建和學術研究進展跟蹤等領域的發展。

在內容解析方面選擇大語言模型進行研究的原因如下。首先，大語言模型在處理大量、複雜的

資訊方面具有顯著優勢，特別是對於電力行業這種涉及眾多因素和技術領域的行業。電力行業的

LcA 研究通常涵蓋能源生產、傳輸、分配和消費等多個環節，涉及的技術、政策、環境和社會因素

眾多。大語言模型能夠高效地處理這些複雜資訊，提取關鍵資訊，為研究者提供更為全面和深入的

分析視角。其次，大語言模型能夠輔助研究者進行文獻綜述和趨勢分析。透過對大量 LcA 英文文獻

的解析，模型可以幫助研究者快速識別電力行業的主要研究熱點、技術發展趨勢以及存在的問題和

挑戰。這有助於研究者更準確地把握研究前沿，為後續的研究工作提供指導。此外，大語言模型還

可以用於挖掘電力行業 LcA 研究中的潛在創新點。透過對文獻內容的深度解析，模型可以發現不同

研究領域之間的交叉點和新興議題，為研究者提供新的研究思路和方法。這有助於推動電力行業

LcA 研究的創新發展，為行業的可持續發展提供有力支援。最後，大語言模型的應用也有助於提升

電力行業 LcA 研究的效率和質量。透過自動化處理和解析文獻內容，模型可以減輕研究者的工作負

擔，提高研究效率。同時，由於模型能夠處理大量的文獻資料，因此也能夠提供更加準確和全面的

分析結果，為政策制定和實踐應用提供更為可靠的依據。