日常生活和經濟全球化之間存在密切的關係。經濟全球化是一個涉及全球範圍內經濟活動、貿易、投資、金融等方麵的概念，它使得各國經濟相互依存、相互聯係，形成一個全球範圍的有機經濟整體。這種全球化的趨勢對人們的日常生活產生了深遠的影響。
以購物為例，經濟全球化使得人們可以輕鬆地購買到來自世界各地的商品。無論是在大型超市、電商平台還是實體店，我們都可以看到來自不同國家的商品琳琅滿目。這些商品可能包括食品、衣物、電子產品等，它們不僅豐富了我們的選擇，也提高了我們的生活質量。
文本相似度計算是自然語言處理np）領域的一個重要研究方向，它旨在衡量兩個或多個文
本之間的相似程度。文本相似度計算的原理基於兩個主要概念：共性和差異。共性指的是兩個文本
之間共同擁有的信息或特征，而差異則是指它們之間的不同之處。當兩個文本的共性越大、差異越
小，它們之間的相似度就越高。
文本相似度計算可以根據不同的分類標準進行分類。首先基於統計的方法分類，這種方法主要
關注文本中詞語的出現頻率和分布，通過統計信息來計算文本之間的相似度。常見的基於統計的方
法有餘弦相似度、jaard相似度等。其次是基於語義的方法分類，這種方法試圖理解文本的含義
和上下文，通過比較文本的語義信息來計算相似度。常見的基於語義的方法有基於詞向量的方法
如ord2vec、gove等）和基於主題模型的方法如da、psa等）。最後是基於機器學習的方
法分類，這種方法利用機器學習算法來訓練模型，通過模型來預測文本之間的相似度。常見的基於）、神經網絡等。
目前，在國內外，文本相似度計算已經取得了豐富的成果。國內方麵，清華大學等機構的研究
者提出了基於深度學習的文本相似度計算方法，利用神經網絡模型來捕捉文本的深層語義信息，實
現了較高的相似度計算精度。江蘇師範大學的研究者提出了利用《新華字典》構建向量空間來做中
文文本語義相似度分析的方法，該方法在中文文本相似度計算方麵取得了顯著的效果。放眼國外，
googe的研究者提出了ord2vec算法，該算法將詞語表示為高維向量空間中的點，通過計算點之
間的距離來衡量詞語之間的相似度。ord2vec算法在文本相似度計算領域具有廣泛的影響。斯坦
福大學等機構的研究者提出了bert模型，該模型通過大量的無監督學習來捕捉文本的上下文信
息，可以實現高精度的文本相似度計算。bert模型在多項自然語言處理任務中均取得了優異的表
現。
2.5本章小結
本章主要介紹了本項目中使用的四種關鍵技術與模型。這些技術主要基於大型語言模型，並且
依賴於rag技術的原理。介紹了知識抽取技術，它利用先進的自然語言處理技術從文本中提取有意
義的信息和知識，隨後討論了文本處理中所使用的rag技術，該技術可以顯著提高大型語言模型在
專業領域的性能，增強信息檢索的準確性和效率。最後探討了在文本比對過程中所需的相似度計算
方法，這對於評估文本之間的相似程度至關重要。
了解清楚數據獲取來源後，進行數據采集，數據采集的方法包括自動化和手動兩種方式：
自動化采集：利用編寫的python腳本通過api接口自動從上述數據庫和期刊中下載文獻和元
數據，部分代碼如圖3.2所示。這種方法的優點是效率高，可以大量快速地收集數據。使用
beautifusoup和reests庫從開放獲取的期刊網站爬取數據。
手動采集：通過訪問圖書館、研究機構以及聯係文章作者等方式獲取不易自動下載的資源。雖
然此方法更費時，但有助於獲取更全麵的數據集，特彆是一些最新或尚未公開的研究成果。
將兩種方法采集到的文獻數據進行彙總，最大範圍的將有關電力ca領域的英文文獻進行彙
總，共獲得507篇。
最後是將各個途徑獲取到的文獻數據和元數據彙總，進行數據預處理。