2025-06-18 11:48:34
这个实验展示了Deepseek在编目中的潜力，虽然有些信息是假设的，但整体结构和逻辑很清晰，特别是主题标引和摘要撰写，真的很不错
关于使用Deepseek编制MARC数据的一些实验（一）
图林逸事
AI为你总结
全文概述
本文探讨了使用Deepseek模型编制MARC数据的实验过程，展示了仅凭题名生成CNMARC记录的效果，并分析了其准确性与规范性。实验表明，尽管Deepseek能自动生成大部分字段，但仍需人工补充和校正以确保完整性和规范性。
样例选择与编目结果
实验选择了《数字人文视域下的古籍开发与应用模式研究》作为样例，仅提供题名进行编目。结果显示，Deepseek能够生成大部分字段，但部分信息如ISBN、出版日期等需要进一步验证和补充。
编目过程及结果分析
Deepseek生成的CNMARC记录中，客观著录部分除题名外均为推理得出，主题和分类标引基本揭示了图书内容。然而，建议通过图书馆集成系统补充缺失项，并将数据转换为ISO2709格式以便导入系统。
思考与改进建议
实验发现Deepseek在出版日期著录上精确到月，这与传统编目规则有所不同。此外，责任者名称应通过规范库核查。尽管增加“深度思考”和“联网搜索”对最终结果影响不大，但这些功能有助于提高编目的准确性和完整性。
结论与未来展望
虽然Deepseek在自动编目方面表现出色，但仍需结合人工校正以确保数据的准确性和规范性。未来可通过优化模型和引入更多外部数据源来提升编目质量。
0评论
当前文章无评论，是时候发表评论了
提示信息
取消
确认
评论举报
已收藏
去我的收藏夹