Metadata Enrichment using AI – First Glance at Research and Findings

Summary

本次研讨会的主题是“使用AI进行元数据丰富化”，探讨了如何利用人工智能（AI）改善图书馆元数据的质量。会议邀请了罗格斯大学的资源馆员Elizabeth York和Ex Libris的内容运营经理David Hanegby作为演讲嘉宾。他们分享了Ex Libris在数据卓越计划中如何评估AI的潜力，并通过AI工具改进CZ（社区区）的Bib记录。讨论了AI在生成控制词汇（如国会图书馆主题词LCSH）和分类号（如国会图书馆分类LCC和杜威十进制分类DDC）方面的应用，并强调了AI在非虚构学术作品元数据生成中的有效性。同时，也指出了AI在处理小说等其他类型书籍时的挑战，并强调了在AI生成的元数据中识别和减少偏见的重要性。此外，还讨论了AI生成的元数据的持续改进，包括未来可能的分类和质量保证工作，以及如何通过社区反馈进行迭代和改进。

Takeaways

• 🌐 该会议重点讨论了如何利用AI技术丰富图书馆的元数据，特别是BIB记录。
• 🎓 介绍了两位主讲人：Rutgers University的新资源图书管理员Elizabeth York和Ex Libris的内容运营经理David Hanegby。
• 🔍 讨论了AI在图书馆元数据管理中的应用，以及其对改进书目记录的潜力。
• 🤖 元数据生成工具AI Meta Generator的使用，它基于大型语言模型，帮助生成和改进元数据。
• 📚 强调了结构化元数据（如Library of Congress主题标签和分类）的重要性，这些元数据有助于资源的搜索、发现和使用。
• 🔧 分享了从完整文本生成元数据的具体流程和挑战，特别是如何确保生成的元数据符合标准化要求。
• 📖 详细探讨了通过AI生成650字段（主题标签）和520字段（摘要）的具体案例和过程。
• 🔬 讨论了在生成元数据过程中遇到的挑战，如非虚构类作品比虚构类作品更容易生成准确摘要。
• ⚖️ 强调了在使用AI进行元数据生成时考虑偏见和准确性的重要性，特别是在处理涉及人权、种族和敏感话题的材料。
• 📈 展望了未来AI在图书馆元数据管理中的应用，计划扩展和改进AI技术以处理更多类型的记录和数据字段。

Q & A

AI在生成MARC记录时，如何确保使用正确的国会图书馆主题词（LCSH）？

AI在生成主题词时，会参考LCSH的权威词汇。在后处理阶段，通过编写的代码逻辑，将AI生成的主题词与LCSH词汇库进行匹配，以确保输出的准确性。如果AI生成的主题词不在LCSH中，系统会尝试找到最接近的匹配项，并给出相似度评分，以此来提高准确性。

在AI生成的摘要中，如何处理可能的偏见问题？

AI在生成摘要时可能会复制书籍中的过时或敏感语言，或者在没有明确作者意图的情况下对书中的主张进行总结。为了减少偏见，需要对AI进行细致的审查和调整，确保其生成的内容尊重且真实地反映了原始文本。同时，图书馆员也在努力更新图书馆标准，如LCSH、LCC和DDC，以减少这些标准本身的偏见。

AI生成的MARC记录中的588字段目前不可搜索，这将如何影响图书馆工作人员了解记录的元数据来源？

虽然588字段目前不可搜索，但它被用来指示记录的元数据来源。为了解决这一问题，社区区管理小组同意使用035字段作为备份，以指示记录包含AI生成的元数据。未来版本中，588字段将变得可搜索。

在选择要增强元数据的书籍时，有哪些标准或优先级？

选择书籍的标准包括：书籍是否缺乏元数据、是否能够访问全文、以及优先考虑非虚构类书籍，因为AI在处理学术和非虚构书籍方面的表现更好。

AI在生成MARC记录的哪些字段时表现最好，哪些字段表现不佳？

AI在生成语言（041字段）、摘要（520字段）和主题（650字段）方面表现较好。然而，对于详细的分类（如050和082字段）和某些细分领域，如小说，AI的表现还有待提高。

如何处理AI生成的元数据与图书馆标准不一致的情况？

如果AI生成的元数据与图书馆标准不一致，图书馆员会进行手动检查和评分，以确保AI生成的元数据符合质量标准。此外，图书馆也会持续更新其标准，以减少偏见并适应新的术语和概念。

AI生成的MARC记录是否会覆盖现有的、由人类编目员创建的记录？

AI不会覆盖由授权数据源或人类编目员创建的已授权数据。如果获得了更好的授权元数据，AI生成的元数据将被替换。

AI在生成摘要时，如何平衡书籍的推广和学术性？

在生成摘要时，AI被指示以图书馆员的身份进行工作，以确保生成的摘要既能够吸引目标读者，同时又保持学术性和适度的推广。这需要在吸引读者和提供准确信息之间找到平衡点。

AI生成的元数据是否会考虑书籍的体裁（如小说、非虚构）？

AI在生成元数据时会考虑书籍的体裁。例如，对于学术书籍，AI能够较好地生成摘要和主题词。然而，对于小说类书籍，AI在生成主题词时可能会遇到挑战，需要进一步的训练和调整。

AI生成的MARC记录中的哪些字段是当前不可搜索的，未来有哪些改进计划？

当前，588字段是不可搜索的，但它将在未来的版本中变得可搜索。此外，AI生成的记录中的某些字段，如细分的主题词（650字段的细分），在当前发布中并未包含，但在未来的发展中，计划将这些字段纳入。

AI在生成MARC记录时，如何处理书籍中的语言问题，特别是对于非英语书籍？

AI在生成MARC记录时，会询问书籍的语言，并在大多数情况下正确识别。如果AI发现记录中的当前语言不正确，它会根据AI的识别结果进行修正。未来，可能会在041字段中加入AI编辑的语言指示。