RRepoGEO

REPOGEO 报告 · LITE

causaltext/causal-text-papers

默认分支 master · commit af25a39a · 扫描时间 2026/6/4 15:07:49

星标 815 · Fork 102

AI 可见性总分
28 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
2 / 3
直接询问时,AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 causaltext/causal-text-papers 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Reposition the README's opening to emphasize 'curated collection'

    原因:

    当前
    A collection of papers and codebases about influence, causality, and language.
    复制粘贴的修复
    A curated collection of research papers and codebases at the intersection of causal inference and natural language processing.
  • highlicense#2
    Add a LICENSE file to the repository

    原因:

    复制粘贴的修复
    Add a LICENSE file (e.g., MIT, Apache-2.0, or CC-BY-4.0 for content) to the repository root.
  • mediumtopics#3
    Expand repository topics for better categorization

    原因:

    当前
    causality, natural-language-processing
    复制粘贴的修复
    causality, natural-language-processing, nlp, causal-inference, research-papers, curated-list, literature-review

本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 causaltext/causal-text-papers
平均排名
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中,你占了多少?
头号对手
arXiv.org
在 2 个问题中被推荐 1 次
竞品排行
  1. arXiv.org · 被推荐 1 次
  2. ACL Anthology · 被推荐 1 次
  3. Google Scholar · 被推荐 1 次
  4. NeurIPS · 被推荐 1 次
  5. ICML · 被推荐 1 次
  • 品类问题
    Where can I find academic papers on causal inference applied to natural language processing tasks?
    你:未被推荐
    AI 推荐顺序:
    1. arXiv.org
    2. ACL Anthology
    3. Google Scholar
    4. NeurIPS
    5. ICML
    6. ICLR
    7. Journal of Machine Learning Research (JMLR)
    8. Conference on Causal Learning and Reasoning - CLeaR

    AI 推荐了 8 个替代方案,却始终没点名 causaltext/causal-text-papers。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Seeking research on how text data can act as a treatment or outcome in causal models.
    你:未被推荐
    AI 推荐顺序:
    1. Text-based Propensity Score Matching (TPSM)
    2. Targeted Maximum Likelihood Estimation (TMLE)
    3. Augmented Inverse Probability Weighting (AIPW)
    4. Text-based Instrumental Variables (TIV)
    5. Synthetic Control Methods
    6. Causal Mediation Analysis
    7. Generalized Linear Models (GLMs)
    8. LDA
    9. NMF
    10. Procrustes Analysis
    11. Granger Causality
    12. PC Algorithm (Peter-Clark Algorithm)
    13. FCI Algorithm (Fast Causal Inference)
    14. TF-IDF
    15. Word2Vec
    16. Doc2Vec
    17. BERT embeddings
    18. VADER
    19. TextBlob
    20. PCA
    21. UMAP
    22. Lasso
    23. Ridge

    AI 推荐了 23 个替代方案,却始终没点名 causaltext/causal-text-papers。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议:

  • README presence
    pass

自指检查

当被直接问到你时,AI 是否还知道你的仓库存在?

  • Compared to common alternatives in this category, what is the core differentiator of causaltext/causal-text-papers?
    pass
    AI 明确点名了 causaltext/causal-text-papers

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • If a team adopts causaltext/causal-text-papers in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 causaltext/causal-text-papers

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • In one sentence, what problem does the repo causaltext/causal-text-papers solve, and who is the primary audience?
    pass
    AI 未点名 causaltext/causal-text-papers —— 很可能在说另一个项目

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

嵌入你的 GEO 徽章

把这个徽章贴进 causaltext/causal-text-papers 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN(README)
[![RepoGEO](https://repogeo.com/badge/causaltext/causal-text-papers.svg)](https://repogeo.com/zh/r/causaltext/causal-text-papers)
HTML
<a href="https://repogeo.com/zh/r/causaltext/causal-text-papers"><img src="https://repogeo.com/badge/causaltext/causal-text-papers.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

causaltext/causal-text-papers — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5,轻量 2
  • 优先行动项8,轻量 3