近日，人工智能学院2025级应用统计专业硕士生鲁佳杰等在国际高水平期刊《Expert Systems with Applications》（中科院一区TOP，影响因子9.4）发表题为《Local large language model-driven dynamic behavioral decision-making for mobile-assisted language learning application selection》的研究论文。
该研究提出的本地大语言模型驱动的动态行为决策模型，解决了在线评论语义解析难、主客观权重融合难、时变环境下动态排序难的问题，为学生科学选择移动学习应用提供了解决方案。研究创新性地将本地大语言模型与动态概率语言决策方法相融合，构建了从评论解析、权重确定到动态排序的端到端决策框架。模型利用本地部署的Qwen2.5-7B将非结构化评论转化为动态概率语言信息，提出基于可信度的主客观组合赋权方法，并改进IDPLWA算子与TODIM方法，在排序中同时刻画服务质量的时变特征与用户的损失厌恶心理。
实证研究覆盖5款主流应用的19万余条在线评论。结果表明，本地大模型的语义标注一致性（加权Kappa 0.7397）达到传统深度学习方法的3倍以上，接近云端商用大模型水平，且仅需消费级硬件即可运行，兼顾精度、成本与数据隐私。研究还揭示了静态平均评分掩盖近期体验风险的“掩蔽效应”，为应用开发者与平台优化评价机制提供了量化依据。
该研究第一作者为骆丹丹老师，张洪涛教授与鲁佳杰（研究生）为共同通讯作者。浙江农林大学为第一单位和通讯作者单位。近年来，学院高度重视研究生培养工作，积极推行团队协同指导模式，鼓励更多优秀教师加入导师队伍，为研究生搭建了良好的科研平台和成长环境，研究生指导成效日益凸显。论文链接：https://doi.org/10.1016/j.eswa.2026.134366
浙公网安备33018502001115号