一个使用牛津大学 "Their Finest Hour Online Archive" 的项目评估了三种自然语言处理方法——命名实体识别、关键词提取和主题建模——以大规模自动化提取关键词。该研究测试了这些方法，涵盖了从传统统计模型到现代生成式 AI 神经网络的各种技术。

  • 定量和定性结果表明，NLP 方法在众包集合中提取关键词方面具有真正的潜力，尽管没有任何单一方法能提供完整的解决方案。
  • 研究发现，模型选择显著影响提取过程的结果。
  • 与生成式 AI 相比，开源权重的提取式模型被发现最适合负责任地部署。

作者认为，自动化关键词提取引发了独特的管理责任，因为元数据是与活跃贡献者互动的直接产物。他们警告说，虽然生成式 AI 具有抽象潜力，但它引入了管理者必须仔细权衡的责任风险。