博文

Publications世界图书与版权日专题研讨会：人工智能时代的编目变革与探索 | MDPI Seminar

已有 188 次阅读 2026-4-16 13:37 |个人分类:近期会议|系统分类:博客资讯

每年4月23日是联合国教科文组织确立的世界图书与版权日。为进一步传播图书文化，MDPI Publications 期刊特举办本次专题研讨会，推动学术交流、凝聚行业共识。

本次研讨会荣幸邀请到中山大学信息管理学院陈涛副教授、加州大学伯克利分校 C.V. Starr 东亚图书馆技术服务部主任林海青、中山大学信息管理学院硕士研究生谭卓熙，围绕“人工智能时代的编目变革与探索”主题带来精彩报告，期待大家积极参与！

会议信息

时间：2026年4月21日 10:00–11:30

议程：

10:00–10:10

陈涛中山大学信息管理学院副教授

会议致辞

10:10–10:40

林海青加州大学伯克利分校 C.V. Starr 东亚图书馆技术服务部主任

人工智能驱动的电影海报编目：方法框架与实践挑战

10:40–11:10

谭卓熙中山大学信息管理学院硕士研究生

从人工到智能：图书馆书目编目自动化新探索

11:10–11:30

提问交流

观看通道：https://9g0ug.xetlk.com/sl/33bsX

会议主席

陈涛

中山大学信息管理学院副教授

Publications 期刊编委

工学博士，中山大学信息管理学院副教授；上海图书馆、南京大学信息管理学院联合培养博士后；中山大学国家文化遗产与文化发展研究院研究员、中山大学数字人文实验室首席专家，硕士生导师。长期从事数字人文、人工智能、文化遗产方面的研究，主持国家社科重大项目子课题1项、国家社科基金一般项目2项，以及中国博士后科学基金、古籍工作重点课题等多项省部级课题；参与国家自然科学基金、国家社科基金、江苏省哲社基金、上海市哲社基金、国家863、科技部项目十余项；负责近二十项链接数据与数字人文领域相关的横向课题。近年在《中国图书馆学报》《大学图书馆学报》《图书情报工作》等核心期刊发表论文五十余篇，兼任国内外图情领域多种核心期刊评审专家、复旦大学中国开放数林指数评估专家委员会委员、中国科学技术史学会数字人文专业委员会委员、中国索引学会数字人文专委会委员等职务。

主讲人

林海青

加州大学伯克利分校 C.V. Starr 东亚图书馆技术服务部主任

现任加州大学伯克利分校 C.V. Starr 东亚图书馆技术服务部主任，曾任新西兰奥克兰大学图书馆亚洲语言部主管。研究与实践聚焦人工智能与机器学习在图书馆学与数字人文领域的应用，擅长运用大语言模型 (LLMs)、检索增强生成 (RAG) 及计算机视觉技术开展自动化编目、对象提取等工作，并将相关技术与关联数据 (Linked Data) 和地理信息系统 (GIS) 结合。近期项目包括：利用人工智能生成编目记录、为赵元任档案 (Yuan Ren Chao Papers) 创建元数据、参与方保罗电影收藏 (Fonoroff Collection) 的相关研究与整理工作。

报告题目

人工智能驱动的电影海报编目：方法框架与实践挑战

报告简介

报告探讨人工智能在解决图书馆馆藏电影海报编目固有难题中的应用潜力。传统编目实践面临多重挑战，包括对视觉信息的主观解读、海报复杂多样的物理损坏状况，以及跨语言资料处理中的语言障碍。针对这些问题，研究提出一套结构化框架，借助人工智能系统地提取并记录文本、图像、色彩及物理特征等多维信息，并将其转化为标准化的 MARC 元数据。研究最终论证：人工智能不仅能显著提升编目效率，还可通过降低人为主观偏差、实现自动转录与信息整合，使丰富多元的电影史资源更易于研究者获取与利用。

谭卓熙

中山大学信息管理学院硕士研究生

中山大学信息管理学院2025级图书馆学硕士研究生，研究方向为数字人文与 AI 编目。参与多项国家级数字人文课题，在国内外核心期刊发表论文多篇。

报告题目

从人工到智能：图书馆书目编目自动化新探索

报告简介

随着图书馆数字化进程加速，海量文献资源涌现，传统人工编目在效率与成本上面临严峻挑战。针对这一问题，本团队提出了一种基于大语言模型的自动化编目框架，相关成果发表于 Publications。该框架构建四个协同工作的智能体：元数据提取 (MEA)、描述性编目 (DCA)、主题分析与标引 (SAIA) 以及质量控制 (QCA)，模拟馆员实际工作流程，将复杂编目任务拆解为可衔接的自动化环节，实现从原始文献到标准CNMARC书目数据的全流程转化。研究团队利用某高校图书馆提供的三万余条真实书目记录开展大规模实验测试，同时选取一本中文图书、一本英文图书作为实例验证，考察该编目框架在实际编目场景中的表现。结果显示，该框架在元数据提取和主题分析环节均达到较高准确率，初步实现了高效的自动化转化。尽管当前系统仍以单智能体线性执行为主，但已为智能化编目系统的构建提供了重要的实验基准。未来将进一步优化系统的复杂文献处理能力，并结合检索增强生成与模型微调技术，以提升系统的适应性与精细化水平。