本研究探讨建筑领域的术语提取及上位词关系识别，提出了一种基于机器学习的方法，分析技术规格语料。结果表明，该方法在提高术语质量和上位词识别准确性方面具有潜力。

本研究提出了一种利用Trie树算法提取术语并创建术语表的高效方法，解决了传统机器翻译对专业术语关注不足的问题。在专业领域翻译中显著提高了术语处理能力，并在WMT专利任务中获得最高翻译得分，展示了广泛应用潜力。

本研究评估了GPT-4和GPT-3.5在纵向情感分析任务上的性能。微调的GPT-3.5在术语提取和极性分类任务上获得了83.8的最优F1分数，比InstructABSA提高了5.7%。模型参数增加了1000倍，推理成本也增加了。详细提示可以提高性能，但对于微调模型来说并非必要。这些结果对于ABSA中使用LLMs的实践者具有相关性。

本研究评估了GPT-4和GPT-3.5在纵向情感分析任务上的性能。微调的GPT-3.5在术语提取和极性分类任务上获得了83.8的最优F1分数，比InstructABSA提高了5.7%。模型参数增加了1000倍，推理成本也增加了。研究结果表明，在零痕迹和少痕迹环境中，详细提示可以提高性能，但对于微调模型来说并非必要。这对于在ABSA中使用LLMs时的提示工程和微调选择具有相关性。