オックスフォード大学の「Their Finest Hour Online Archive」を使用したプロジェクトは、大規模なキーワード抽出を自動化するために、固有表現認識、キーワード抽出、トピックモデリングという3つの自然言語処理アプローチを評価しました。この研究では、従来の統計モデルから最新の生成AIニューラルネットワークに至るまで、さまざまな手法にわたってこれらの方法をテストしました。

  • 定量的および定性的な知見は、NLPがクラウドソーシングされたコレクションにおけるキーワード抽出のスケーリングに現実的な可能性を提供することを示しています。
  • いかなる単一の方法も完全な解決策を提供するわけではなく、モデルの選択は結果に大きな影響を与えます。
  • オープンウェイトの抽出モデルは、責任あるデプロイメントに最も適していると特定されています。
  • 生成AIはその抽象的な性質により、説明責任のリスクをもたらします。

著者らは、クラウドソーシングされたコレクションにおける自動化されたキーワード抽出が、生存している貢献者によって生成されたメタデータに関する独自の管理上の責任を提起すると主張しています。