数据集概述
本数据集围绕泛在学习（u-learning）中兴趣点（POI）识别问题，对比大型语言模型（LLMs）与链接开放数据（LOD）的性能。研究聚焦欧洲三座城市及周边地区的16世纪文化遗产地（教堂、大教堂、城堡、宫殿），通过Wikidata、ChatGPT和DeepSeek获取数据，从准确性、一致性等四维度分析，为u-learning应用的POI识别方案提供参考。
文件详解
- 文件名称：LODvsLLMs.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含三类核心内容：1）原始数据：Wikidata及两个LLM返回的POI信息；2）数据采集工具：用于获取Wikidata数据的SPARQL查询语句、用于调用LLM的提示词；3）对比分析数据：覆盖准确性、一致性、完整性、有效性四个维度的评估结果。
数据来源
论文“Can Large Language Models Identify Locations Better Than Linked Open Data for U-Learning?”（2025年第20届欧洲技术增强学习会议ECTEL）
适用场景
- 泛在学习应用开发：为u-learning平台的POI识别模块选择数据源和技术方案提供实证依据。
- 文化遗产地资源挖掘：辅助提取欧洲特定区域16世纪文化遗产地的结构化信息。
- 大语言模型性能评估：研究LLMs在特定领域（历史文化POI）信息检索任务中的表现与局限性。
- 链接开放数据应用优化：分析Wikidata在文化遗产领域的覆盖度与数据质量，指导LOD的补充完善。
- 混合式信息检索研究：探索LOD与LLMs结合的混合方案在POI识别中的应用潜力。
