amc：用于望远镜文献目录的自动任务分类器
天体物理仪器与方法
2025-12-15 v1 人工智能
数字图书馆
机器学习
摘要
望远镜文献目录通过记录望远镜设施的发表统计和引用指标来捕捉天文学研究的脉搏。稳健且可扩展的文献目录确保我们能够衡量设施和档案的科学影响力。然而，发表数量的增长威胁着超越我们手动标注天文文献的能力。因此，我们提出了自动任务分类器（amc），一种利用大语言模型（LLMs）通过处理大量论文文本来识别和分类望远镜引用的工具。amc的修改版本在TRACS Kaggle挑战中表现良好，在保留测试集上取得了宏F1分数0.84。amc对于TRACS之外的其他望远镜同样有价值；我们开发了用于识别包含NASA任务科学成果论文的初始软件。此外，我们研究了amc如何可用于查询历史数据集并发现潜在的标签错误。我们的工作表明，基于LLM的应用为图书馆学提供了强大且可扩展的辅助工具。
引用
@article{arxiv.2512.11202,
title = {amc: The Automated Mission Classifier for Telescope Bibliographies},
author = {John F. Wu and Joshua E. G. Peek and Sophie J. Miller and Jenny Novacescu and Achu J. Usha and Christopher A. Wilkinson},
journal= {arXiv preprint arXiv:2512.11202},
year = {2025}
}
备注
Accepted to IJCNLP-AACL WASP 2025 workshop. Code available at: https://github.com/jwuphysics/automated-mission-classifier