一个使用牛津大学 Their Finest Hour Online Archive（他们最辉煌的时刻在线档案）的项目评估了三种自然语言处理（NLP）方法——命名实体识别、关键词提取和主题建模——以实现大规模自动关键词提取。该研究在一系列技术中测试了这些方法，从传统的统计模型到现代生成式人工智能神经网络。

  • 定量和定性结果表明，NLP 为在众包集合中扩展关键词提取提供了真正的潜力。
  • 没有单一的方法能提供完整的解决方案，模型的选择会显著影响结果。
  • 开源权重的抽取式模型被确定为最适合负责任部署的方案。
  • 生成式人工智能由于其抽象性质引入了问责风险。

作者认为，在众包集合中进行自动关键词提取引发了关于由在世贡献者产生的元数据的管理责任。