快速获取论文的主要内容、创新点、研究方法、数据来源等信息，以及论文的贡献、局限和未来研

究方向，并基于实际数据进行测评。具体研究目标如下：

(1)通过文件装载分割以及元数据获取的方法，对电力行业 LCA 的英文文献中不同格式数据进

行解析，将文献大致分区，便于分类和文本提取，提高解析准确性。

(2)通过对电力行业 LCA 的英文文献的解析，构建向量数据库，通过调用该向量数据库，提升

大模型回答关于电力行业 LCA 时效性问题与专业性问题的能力，增强大语言模型对于电力行业 LCA

问题分析的能力。

(3)通过实际数据对该数据库进行测评，分析该数据库回答专业性问题与时效性问题的能力。

1.2.2 研究意义

大语言模型处理论文具有重要的理论意义，一方面促进了语言理解与生成研究，推动了对语言

模型和语言生成算法的深入探索；另一方面，通过学习大量的论文文本，大语言模型有助于优化文

本表示学习方法，提高文本特征的抽象能力和表示效果，促进文本分类、聚类和生成等任务的发

展。此外，大规模论文解析还可实现领域专业化和知识深度挖掘，帮助模型更好地理解和应用特定

领域的知识，并为知识图谱的构建提供数据基础。最重要的是，大语言模型处理论文能够跟踪学术

研究的进展和趋势，识别学术领域的研究热点和前沿问题，为学术研究者和决策者提供科研方向和

决策支持。这些理论意义上的贡献，将推动自然语言处理、文本表示学习、领域专业化、知识图谱