Makalah ini mengeksplorasi penerapan pembelajaran mesin ke pengindeksan tematik otomatis, menggunakan dua sub-korpus dari Karya Lengkap Voltaire sebagai kasus uji. Tugas ini diframing sebagai masalah klasifikasi multi-label di mana model menetapkan entri indeks ke halaman teks.
- Studi ini membandingkan model berbasis encoder dengan kepala klasifikasi terhadap model bahasa besar generatif (LLM) yang dituning halus melalui Adaptasi Rank Rendah (LoRA).
- Ukuran model berkisar dari sekitar 3 hingga 120 miliar parameter.
- Model dengan kinerja terbaik, model keluarga Mistral dalam konfigurasi kuantisasi 4-bit, mencapai skor F1 hingga 0.67.
- Penulis berargumen bahwa angka-angka ini mewakili batas bawah karena subjektivitas inheren dari pengindeksan profesional.
Temuan ini memiliki implikasi untuk menyediakan akses tematik terstruktur ke korpus sastra dan sejarah skala besar.