semaphore提示您：看后求收藏（新笔趣阁www.xbqg5200.com），接着再看更方便。
本文以有关电力行业 LCA 的近十年的英文文献为研究对象，并根据每篇文章的元数据构建数据
库。进行文档分割，将文件分割为更小的部分或章节，分区后使其更容易分类和提取文本，将文档
元素列表存储并跟踪从文档中提取的各种元数据，将文本元素分割为适合模型注意力窗口的大小，
构建向量数据库，方便大模型调用。利用 RAG（检索增强生成）模型，帮助大语言模型知晓具有电
力 LCA 领域专业性和时效性的知识，包括最新的新闻、公式、数据等内容，增强大模型回答关于电
力行业 LCA 领域专业性问题与时效性问题的能力，主要用到的研究方法如下。
（1）文献资料法。通过阅读大量国内外研究检索增强生成的文章，确定将 RAG 技术作为提升
大语言模型回答电力行业 LCA 领域问题专业性与时效性问题的解决方法。文献调研显示，聚焦于此
领域的大模型是一个研究空白，将电力行业 LCA 的大模型应用于企业层面的分析，能够响应了重大
战略。该方法能够提升科研眼界、开阔研究思路、丰富研究角度。
（2）实验法。本文使用爬虫程序抓取各顶级期刊官网上近十年的文章，并通过元数据处理方
法，构建文章元数据的数据库。
（3）实证分析法。本文通过大量实际数据，来验证大模型调用电力行业 LCA
