연구진은 대규모 문학 자료의 주제 색인 자동화를 위해 머신러닝을 활용, 볼테르 전집의 일부 자료를 테스트 케이스로 삼았습니다.
전문 색인자가 적용할 색인 항목 집합을 텍스트 페이지에 할당하는 다중 레이블 분류 문제로 정의하여, 30억~120억 파라미터 규모의 다양한 모델을 비교했습니다.
Mistral 기반의 4비트 양자화 모델이 최대 0.67의 F1 점수를 달성했으며, 이는 전문 색인의 주관성과 모델 예측의 의미적 타당성을 고려할 때 하한선으로 판단됩니다.
연구 결과는 대규모 문학 및 역사적 자료에 대한 구조화된 주제 접근성을 제공하는 데 중요한 시사점을 갖습니다.