यह शोधपत्र SemEval-2025 कार्य 5 (LLMs4Subjects) में वृहत्-स्तरीय भाषा मॉडल (LLMs) का उपयोग करके विषय अनुक्रमण हेतु Annif प्रणाली प्रस्तुत करता है। इस कार्य के लिए द्विभाषी TIBKAT डेटाबेस में ग्रंथसूची अभिलेखों के लिए वैश्विक तंत्रिका नेटवर्क (GND) विषय शब्दावली का उपयोग करके विषय पूर्वानुमान उत्पन्न करना आवश्यक था। Annif प्रणाली, Annif टूलकिट में कार्यान्वित मौजूदा प्राकृतिक भाषा प्रसंस्करण और मशीन लर्निंग तकनीकों को अनुवाद और संश्लेषित डेटा निर्माण के लिए एक नवीन LLM-आधारित विधि, साथ ही जापानी मॉडलों के पूर्वानुमान विलयन के साथ जोड़ती है। मात्रात्मक मूल्यांकन में, इसने सभी विषय श्रेणियों में प्रथम, tib-कोर-विषय श्रेणी में द्वितीय, और गुणात्मक मूल्यांकन में चौथा स्थान प्राप्त किया। ये परिणाम बहुभाषी परिवेशों में विषय अनुक्रमण की सटीकता और दक्षता में सुधार के लिए मौजूदा XMTC एल्गोरिथम को आधुनिक LLM तकनीकों के साथ संयोजित करने की क्षमता को प्रदर्शित करते हैं।
