Annif 在 GermEval-2025 LLMs4Subjects 任务中的表现：高效 LLM 辅助的传统 XMTC
计算与语言
2025-08-25 v1 人工智能
信息检索
机器学习
摘要
本文介绍了 Annif 系统在 GermEval-2025 LLMs4Subjects 共享任务（子任务 2）中的实现。该任务要求使用大语言模型为书目记录创建主题预测，重点关注计算效率。我们的系统基于 Annif 自动主题索引工具包，改进了第一个 LLMs4Subjects 共享任务中的旧系统，该系统取得了优异的成绩。我们进一步通过使用许多小型高效语言模型进行翻译和合成数据生成，并利用 LLM 对候选主题进行排序来提升系统性能。我们的系统在子任务 2 的整体定量评估和定性评估中均名列第一。
引用
@article{arxiv.2508.15877,
title = {Annif at the GermEval-2025 LLMs4Subjects Task: Traditional XMTC Augmented by Efficient LLMs},
author = {Osma Suominen and Juho Inkinen and Mona Lehtinen},
journal= {arXiv preprint arXiv:2508.15877},
year = {2025}
}
备注
5 pages, 4 figures, accepted at KONVENS 2025. arXiv admin note: substantial text overlap with arXiv:2504.19675