分层叙事分析：揭示对生成性人工智能的看法

本研究提出使用社交媒体点赞数评估故事质量的方法，并利用神经网络预测点赞数。

研究综述了情感分析在文学中的应用，包括情节发展、网络分析和文本情感理解。

比较语言模型生成的文本与真实数据的分布，评估生成文本的结构，发现Transformer模型在主题结构捕捉上存在困难。

展示了机器学习模型在分类人类文本和生成文本中的效果，并指出识别生成文本的困难性。

提出了一种新方法从文本集合中挖掘意见，描述了意见洞察挖掘的基本定义和方法论。

通过多个测试判断文本来源，分析生成式语言模型与人类编辑文本的关系。

利用大型语言模型提高叙述分类模型的效果，适用于事实核实等应用。

提出一种系统的混合方法框架，结合定性分析专业知识和机器可扩展性，展示了在多个领域的应用。

使用大型语言模型评估生成的反话，建立模型排名流程，与人类偏好相关性达到0.88。

提出基于结构主义语言理论的叙事数值表示方法，验证了在分析新闻文章中识别不同叙事结构的有效性。