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。