ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਵਰਗੀਕਰਨ ਅਤੇ ਆਟੋਮੈਟਿਕ ਇੰਡੈਕਸਿੰਗ

ਲਾਭ:

• ਅਸਲ ਸਮੱਗਰੀ ਤੋਂ ਵਿਸ਼ਾ ਐਬਸਟਰੈਕਟ ਕੱਢਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ਾ ਸੂਚੀ ਤੋਂ ਪ੍ਰਾਇਮਰੀ ਅਤੇ ਸੈਕੰਡਰੀ ਵਿਸ਼ਿਆਂ ਦਾ ਨਕਸ਼ਾ
• ਵਰਗੀਕਰਨ ਦੇ ਸੁਝਾਵਾਂ ਦੀ ਮੁੱਖ ਸ਼੍ਰੇਣੀ ਜਿਵੇਂ ਕਿ ਡੇਵੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਅਤੇ ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਨਾਲ ਉਪ-ਪੱਧਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ।
• ਵਰਗੀਕਰਨ ਦੀ ਨਿਰਣਾਇਕ ਅਤੇ ਪ੍ਰਤੀਨਿਧਤਾਤਮਕ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਪੁਰਾਣੀਆਂ ਅਤੇ ਬੇਦਖਲੀ ਸ਼ਰਤਾਂ ਦੇ ਵਿਰੁੱਧ ਸੁਝਾਵਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।

ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਕਿ ਇੱਕ ਸਰੋਤ "ਬਾਰੇ" ਕੀ ਹੈ, ਲਾਇਬ੍ਰੇਰੀਅਨਸ਼ਿਪ ਦੇ ਸਭ ਤੋਂ ਵੱਧ ਨਿਰਣਾਇਕ ਕਾਰਜਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਇਸਨੂੰ ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਹਾ ਜਾਂਦਾ ਹੈ: ਕਿਸੇ ਦਸਤਾਵੇਜ਼ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਪੜ੍ਹਨਾ ਅਤੇ ਇਸਨੂੰ ਸਹੀ ਵਿਸ਼ਾ ਸਿਰਲੇਖਾਂ ਅਤੇ ਸਹੀ ਵਰਗੀਕਰਨ ਨੰਬਰ ਨਾਲ ਮੇਲਣਾ। ਜੇਕਰ ਕੋਈ ਉਪਭੋਗਤਾ ਸ਼ੈਲਫ 'ਤੇ ਨਾਲ-ਨਾਲ ਸੰਬੰਧਿਤ ਕਿਤਾਬਾਂ ਲੱਭ ਸਕਦਾ ਹੈ ਜਾਂ ਕੈਟਾਲਾਗ ਵਿੱਚ ਕਿਸੇ ਵਿਸ਼ੇ ਦੀ ਖੋਜ ਕਰਦੇ ਸਮੇਂ ਸਹੀ ਨਤੀਜੇ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਸਦੇ ਪਿੱਛੇ ਇੱਕ ਵਧੀਆ ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਹੁੰਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿਖੋਗੇ ਕਿ ਵਿਸ਼ੇ ਦੀ ਸਿਫਾਰਸ਼, ਵਰਗੀਕਰਨ ਅਤੇ ਆਟੋਮੈਟਿਕ ਇੰਡੈਕਸਿੰਗ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ; ਪਰ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਮਨੁੱਖ ਨੂੰ ਅੰਤਮ ਵਿਸ਼ੇ ਦਾ ਫੈਸਲਾ ਕਿਉਂ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਆਓ ਕੁਝ ਸੰਕਲਪਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੀਏ। ਵਰਗੀਕਰਨ ਪ੍ਰਣਾਲੀ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਸਰੋਤਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਵਿਸ਼ੇ ਅਨੁਸਾਰ ਸੰਖਿਆ ਕਰਦੀ ਹੈ; ਸਭ ਤੋਂ ਆਮ ਹਨ ਡੇਵੀ ਡੈਸੀਮਲ ਵਰਗੀਕਰਣ (DDC) ਅਤੇ ਕਾਂਗਰਸ ਵਰਗੀਕਰਨ ਦੀ ਲਾਇਬ੍ਰੇਰੀ (LCC)। ਉਦਾਹਰਨ ਲਈ, ਡੇਵੀ ਵਿੱਚ, 500 ਕੁਦਰਤੀ ਵਿਗਿਆਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, 900 ਇਤਿਹਾਸ ਅਤੇ ਭੂਗੋਲ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇੰਡੈਕਸਿੰਗ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਮੁੱਖ ਸ਼ਰਤਾਂ ਨਿਰਧਾਰਤ ਕਰਨ ਦਾ ਕੰਮ ਹੈ ਜੋ ਇਸਨੂੰ ਲੱਭਣ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ। ਆਟੋਮੈਟਿਕ ਇੰਡੈਕਸਿੰਗ ਉਦੋਂ ਹੁੰਦੀ ਹੈ ਜਦੋਂ ਸੌਫਟਵੇਅਰ ਇਸ ਕੰਮ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। AI ਤਿੰਨੋਂ ਕਾਰਜਾਂ ਵਿੱਚ ਸੁਝਾਅ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਹਰ ਇੱਕ ਵਿੱਚ ਮਾਹਰ ਦਾ ਅੰਤਮ ਕਹਿਣਾ ਹੁੰਦਾ ਹੈ।

ਕਦਮ ਦਰ ਕਦਮ: ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ

1. ਦਸਤਾਵੇਜ਼ ਦਾ ਸੰਖੇਪ AI ਨੂੰ ਦਿਓ। ਪੂਰਾ ਟੈਕਸਟ, ਐਬਸਟਰੈਕਟ, ਸਮੱਗਰੀ ਦੀ ਸਾਰਣੀ ਜਾਂ ਜਾਣ-ਪਛਾਣ। ਵਿਸ਼ੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਦਰਭ 'ਤੇ ਅਧਾਰਤ ਹੈ; ਜੇਕਰ ਤੁਸੀਂ AI ਨੂੰ ਸਿਰਫ਼ ਸਿਰਲੇਖ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇੱਕ ਸਤਹੀ ਅਤੇ ਗੁੰਮਰਾਹਕੁੰਨ ਸਿਫ਼ਾਰਸ਼ ਮਿਲੇਗੀ।

2. AI ਤੋਂ ਸਮੱਗਰੀ ਦੇ ਸੰਖੇਪ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਪਹਿਲਾਂ, "ਇਹ ਦਸਤਾਵੇਜ਼ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕਿਸ ਬਾਰੇ ਹੈ?" ਪੁੱਛੋ ਇਹ ਦੋਵੇਂ ਤੁਹਾਨੂੰ ਜਲਦੀ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਅਤੇ ਇਹ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਕੀ AI ਨੇ ਵਿਸ਼ੇ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸਮਝ ਲਿਆ ਹੈ।

3. ਨਿਯੰਤਰਿਤ ਵਿਸ਼ਿਆਂ ਨਾਲ ਮੇਲ ਕਰੋ। AI ਨੂੰ ਆਪਣੇ ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ਿਆਂ ਦੀ ਸੂਚੀ ਦਿਓ ਅਤੇ ਕਹੋ "ਇਸ ਸੂਚੀ ਵਿੱਚੋਂ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਵਿਸ਼ਿਆਂ ਦਾ ਸੁਝਾਅ ਦਿਓ।" ਇਸ ਨੂੰ ਮੁਫ਼ਤ ਸ਼ਬਦਾਵਲੀ ਪੈਦਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਨਾ ਦਿਓ.

4. ਵਰਗੀਕਰਨ ਨੰਬਰ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਤੁਸੀਂ AI ਨੂੰ ਪੁੱਛ ਸਕਦੇ ਹੋ "ਇਹ ਦਸਤਾਵੇਜ਼ ਡੇਵੀ ਵਿੱਚ ਕਿਸ ਮੁੱਖ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਆਉਂਦਾ ਹੈ?" ਪਰ ਅਧਿਕਾਰਤ ਵਰਗੀਕਰਨ ਚਾਰਟ ਦੇ ਨਾਲ ਨੰਬਰ ਦੇ ਸਹੀ ਅੰਕਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ। AI ਵਾਜਬ ਪਰ ਗਲਤ ਨੰਬਰ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ।

5. ਫੈਸਲਾ ਕਰੋ ਅਤੇ ਇਸ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਓ। AI ਦੇ ਸੁਝਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰੋ, ਉਹਨਾਂ ਨੂੰ ਸੰਸਥਾ ਦੀ ਨੀਤੀ ਅਤੇ ਉਪਭੋਗਤਾ ਅਧਾਰ ਦੇ ਮੱਦੇਨਜ਼ਰ ਚੁਣੋ, ਅਤੇ ਲੋੜ ਪੈਣ 'ਤੇ ਉਹਨਾਂ ਨੂੰ ਅਸਵੀਕਾਰ ਕਰੋ। ਅੰਤਮ ਵਿਸ਼ੇ ਦੇ ਫੈਸਲੇ ਅਤੇ ਵਰਗੀਕਰਨ 'ਤੇ ਤੁਹਾਡੇ ਦਸਤਖਤ ਹਨ।

ਸੁਝਾਅ: ਇੱਕ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਕਈ ਵਿਸ਼ੇ ਦਿੱਤੇ ਜਾ ਸਕਦੇ ਹਨ। AI ਤੋਂ "ਇਸ ਦਸਤਾਵੇਜ਼ ਦਾ ਪ੍ਰਾਇਮਰੀ ਵਿਸ਼ਾ ਕੀ ਹੈ, ਇਸਦੇ ਸੈਕੰਡਰੀ ਵਿਸ਼ੇ ਕੀ ਹਨ?" ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਪੁੱਛੋ. ਪ੍ਰਾਇਮਰੀ ਵਿਸ਼ੇ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਚੁਣਨਾ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਸਰੋਤ ਸ਼ੈਲਫ 'ਤੇ ਸਹੀ ਥਾਂ 'ਤੇ ਜਾਂਦਾ ਹੈ; ਸੈਕੰਡਰੀ ਵਿਸ਼ੇ ਕੈਟਾਲਾਗ ਵਿੱਚ ਵਾਧੂ ਪਹੁੰਚ ਪੁਆਇੰਟ ਦਿੰਦੇ ਹਨ।

ਵਰਗੀਕਰਨ ਦੀ ਨਿਆਂਇਕ ਪ੍ਰਕਿਰਤੀ

ਵਰਗੀਕਰਨ ਨਿਰਪੱਖ ਜਾਪਦਾ ਹੈ, ਪਰ ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਕੀ "ਔਰਤਾਂ ਦੇ ਅਧਿਐਨ" ਜਾਂ "ਸਮਾਜ ਸ਼ਾਸਤਰ" ਦੇ ਅਧੀਨ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਰੱਖਣਾ ਹੈ, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕਿਸ ਭੂਗੋਲ ਦੇ ਤਹਿਤ ਤੁਸੀਂ ਇੱਕ ਇਤਿਹਾਸਕ ਘਟਨਾ ਦਾ ਵਰਗੀਕਰਨ ਕਰੋਗੇ, ਉਹ ਫੈਸਲੇ ਹਨ ਜੋ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ। ਵਰਗੀਕਰਨ ਪ੍ਰਣਾਲੀਆਂ ਖਾਸ ਸਮੇਂ ਅਤੇ ਸਭਿਆਚਾਰਾਂ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਲੈ ਕੇ ਜਾਂਦੀਆਂ ਹਨ; ਕੁਝ ਸ਼ਬਦ ਸਮੇਂ ਦੇ ਨਾਲ ਪੁਰਾਣੇ ਜਾਂ ਬੇਦਖਲੀ ਹੋ ਜਾਂਦੇ ਹਨ। AI ਇਹਨਾਂ ਪੱਖਪਾਤਾਂ ਨੂੰ ਉਸ ਡੇਟਾ ਤੋਂ ਵਿਰਸੇ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਜਿਸ 'ਤੇ ਇਸਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਵੀ ਕਰ ਸਕਦੀ ਹੈ।

ਇਸ ਲਈ, ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨਿਰਣੇ ਦਾ ਮਾਮਲਾ ਹੈ ਜਿਸ ਨੂੰ AI 'ਤੇ ਨਹੀਂ ਛੱਡਿਆ ਜਾ ਸਕਦਾ। AI ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਸਿਰਲੇਖ "ਸੰਭਾਵਨਾ" ਹਨ; ਪਰ ਇਹ ਫੈਸਲਾ ਕਿ ਕਿਹੜਾ ਸਿਰਲੇਖ ਸਰੋਤ ਨੂੰ ਸਭ ਤੋਂ ਸਹੀ ਅਤੇ ਨਿਰਪੱਖਤਾ ਨਾਲ ਦਰਸਾਉਂਦਾ ਹੈ, ਉਸ ਮਾਹਰ ਦਾ ਹੈ ਜੋ ਸੰਸਥਾ ਅਤੇ ਇਸਦੇ ਉਪਭੋਗਤਾ ਅਧਾਰ ਦੇ ਮੁੱਲਾਂ ਨੂੰ ਜਾਣਦਾ ਹੈ।

ਸਾਵਧਾਨ: ਯਕੀਨੀ ਬਣਾਓ ਕਿ AI ਦੁਆਰਾ ਸੁਝਾਏ ਗਏ ਵਿਸ਼ੇ ਨੂੰ ਗਲਤ ਤਰੀਕੇ ਨਾਲ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਜਾਂ ਸਰੋਤ ਨੂੰ ਬਾਹਰ ਨਾ ਕੀਤਾ ਜਾਵੇ। ਸੰਸਥਾ ਦੀ ਮੌਜੂਦਾ ਅਤੇ ਸੰਮਿਲਿਤ ਸ਼ਬਦਾਵਲੀ ਦੇ ਨਾਲ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਸ਼ਬਦਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ, ਖਾਸ ਤੌਰ 'ਤੇ ਪਛਾਣ, ਨਸਲ, ਧਰਮ ਅਤੇ ਲਿੰਗ ਵਰਗੇ ਸੰਵੇਦਨਸ਼ੀਲ ਵਿਸ਼ਿਆਂ 'ਤੇ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਮਾਸ ਵਿਸ਼ਾ ਪ੍ਰਸਤਾਵ। ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ 800 ਲੇਖਾਂ ਦੇ ਇੱਕ ਡਿਜੀਟਲ ਸੰਗ੍ਰਹਿ ਲਈ ਵਿਸ਼ੇ ਨਿਰਧਾਰਤ ਕਰੇਗੀ। ਮਾਹਰ ਨੇ ਏਆਈ ਨੂੰ ਹਰੇਕ ਲੇਖ ਦਾ ਸੰਖੇਪ ਦਿੱਤਾ ਅਤੇ ਪ੍ਰਵਾਨਿਤ ਸਿਰਲੇਖ ਸੂਚੀ ਵਿੱਚੋਂ ਇੱਕ ਮੈਚ ਲਈ ਕਿਹਾ। AI ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੇ ਪ੍ਰਤੀ ਲੇਖ 3 ਯੋਗ ਸਿਰਲੇਖਾਂ ਵਿੱਚੋਂ ਔਸਤਨ 2 ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਹਾਸਲ ਕੀਤਾ; ਮਾਹਰ ਨੇ ਤੀਜਾ ਜੋੜਿਆ ਅਤੇ ਗਲਤ ਸੁਝਾਵਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢ ਦਿੱਤਾ। ਕੰਮ ਲਗਭਗ 40% ਤੇਜ਼ੀ ਨਾਲ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਸੀ ਜੇਕਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੱਥਾਂ ਨਾਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਕੇਸ 2 - ਗਲਤ ਵਰਗੀਕਰਨ ਨੰਬਰ। ਇੱਕ ਮਾਹਰ ਨੇ ਮੈਡੀਕਲ ਇਤਿਹਾਸ ਦੀ ਕਿਤਾਬ ਲਈ ਏਆਈ ਤੋਂ ਡੇਵੀ ਨੰਬਰ ਮੰਗਿਆ। YZ ਨੇ "610 (ਦਵਾਈ)" ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ; ਹਾਲਾਂਕਿ, ਕਿਤਾਬ ਮੁੱਖ ਤੌਰ 'ਤੇ ਦਵਾਈ ਦੇ ਇਤਿਹਾਸ ਬਾਰੇ ਸੀ ਅਤੇ ਸਹੀ ਜਗ੍ਹਾ "610.9 (ਦਵਾਈ ਦਾ ਇਤਿਹਾਸ)" ਸੀ। ਮਾਹਰ ਨੇ ਅਧਿਕਾਰਤ ਡੇਵੀ ਟੇਬਲ 'ਤੇ ਦੇਖਿਆ ਅਤੇ ਇਸ ਨੂੰ ਠੀਕ ਕੀਤਾ; AI ਨੇ ਮੁੱਖ ਕਲਾਸ ਲੱਭੀ ਪਰ ਸਬ-ਬ੍ਰੇਕ ਖੁੰਝ ਗਿਆ।

ਕੇਸ 3 - ਪੁਰਾਣੀ ਮਿਆਦ ਫੜੀ ਗਈ। AI ਨੇ ਇੱਕ ਸਮਾਜ ਸ਼ਾਸਤਰ ਦੀ ਕਿਤਾਬ ਲਈ ਇੱਕ ਪੁਰਾਣੀ ਅਤੇ ਹੁਣ ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਬੇਦਖਲੀ ਵਿਸ਼ੇ ਸ਼ਬਦ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ; ਕਿਉਂਕਿ ਇਹ ਪੁਰਾਣਾ ਸ਼ਬਦ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਆਮ ਸੀ। ਮਾਹਰ ਨੇ ਸੰਸਥਾ ਦੀ ਮੌਜੂਦਾ ਸੰਮਿਲਿਤ ਸ਼ਬਦਾਵਲੀ ਵਿੱਚੋਂ ਸਹੀ ਸ਼ਬਦ ਚੁਣਿਆ। ਇਹ ਇੱਕ ਠੋਸ ਉਦਾਹਰਣ ਸੀ ਕਿ AI ਅਤੀਤ ਦੇ ਪੱਖਪਾਤ ਨੂੰ ਰੱਖਦਾ ਹੈ।

ਡੂੰਘਾਈ ਅਤੇ ਇਕਸਾਰਤਾ: ਇਹ ਕਿੰਨੀ ਖਾਸ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ?

ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਆਮ ਫੈਸਲਾ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਸ਼ਬਦ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਪੱਧਰ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਕਿਸੇ ਸਰੋਤ ਨੂੰ ਅਜਿਹਾ ਸਿਰਲੇਖ ਦਿੰਦੇ ਹੋ ਜੋ ਬਹੁਤ ਆਮ ("ਤਾਰੀਖ") ਹੈ, ਤਾਂ ਵਿਸ਼ੇ ਦੀ ਖੋਜ ਕਰਨ ਵਾਲੇ ਉਪਭੋਗਤਾ ਸੈਂਕੜੇ ਅਪ੍ਰਸੰਗਿਕ ਨਤੀਜਿਆਂ ਵਿੱਚ ਡੁੱਬ ਜਾਣਗੇ। ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਅਜਿਹਾ ਸਿਰਲੇਖ ਦਿੰਦੇ ਹੋ ਜੋ ਬਹੁਤ ਤੰਗ ਹੈ, ਤਾਂ ਇੱਕ ਵਿਆਪਕ ਸਰੋਤ ਦੀ ਤਲਾਸ਼ ਕਰਨ ਵਾਲਾ ਉਪਭੋਗਤਾ ਇਸਨੂੰ ਲੱਭਣ ਦੇ ਯੋਗ ਨਹੀਂ ਹੋਵੇਗਾ। ਨਿਯਮ ਉਹ ਸ਼ਬਦ ਚੁਣਨਾ ਹੈ ਜੋ ਖਾਸ ਤੌਰ 'ਤੇ ਪਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਰੋਤ ਨੂੰ ਕਵਰ ਕਰਦਾ ਹੈ: ਜੇਕਰ ਕੋਈ ਸਰੋਤ ਸਿਰਫ ਸੇਲਜੁਕ ਪੀਰੀਅਡ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ, ਤਾਂ "ਸੇਲਜੁਕ ਆਰਕੀਟੈਕਚਰ" ਨਾ ਕਿ "ਆਰਕੀਟੈਕਚਰ" ਸਹੀ ਪੱਧਰ ਹੈ। AI ਅਕਸਰ ਇਸ ਸੰਤੁਲਨ ਤੋਂ ਖੁੰਝ ਜਾਂਦਾ ਹੈ; ਇਹ ਸੁਝਾਅ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਜਾਂ ਤਾਂ ਬਹੁਤ ਆਮ ਜਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਖਿੰਡੇ ਹੋਏ ਹਨ। ਇਸ ਲਈ, AI ਨੂੰ ਸਪੱਸ਼ਟ ਨਿਰਦੇਸ਼ ਦੇਣਾ ਜ਼ਰੂਰੀ ਹੈ ਜਿਵੇਂ ਕਿ "ਸਰੋਤ ਦੁਆਰਾ ਕਵਰ ਕੀਤੇ ਗਏ ਸਭ ਤੋਂ ਖਾਸ ਵਿਸ਼ੇ ਦਾ ਸੁਝਾਅ ਦਿਓ, ਅਤੇ ਉਪ-ਵਿਸ਼ਿਆਂ ਨੂੰ ਨਾ ਜੋੜੋ ਜੋ ਸਰੋਤ ਅਸਲ ਵਿੱਚ ਛੂਹਦਾ ਨਹੀਂ ਹੈ।" ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਮੇਂ ਦੇ ਨਾਲ ਇੱਕੋ ਵਿਸ਼ੇ 'ਤੇ ਸਰੋਤਾਂ ਦੀ ਇਕਸਾਰ ਲੇਬਲਿੰਗ ਕੈਟਾਲਾਗ ਦੀ ਇਕਸਾਰਤਾ ਲਈ ਉਨਾ ਹੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਜਿੰਨਾ ਕਿ ਵਿਸ਼ੇਸ਼ਤਾ; ਇੱਕ ਦਿਨ "ਸੇਲਜੁਕ ਆਰਕੀਟੈਕਚਰ" ਅਤੇ ਅਗਲੇ ਦਿਨ "ਸੇਲਜੁਕ ਸਮੇਂ ਦੀਆਂ ਇਮਾਰਤਾਂ" ਕਹਿਣਾ ਉਪਭੋਗਤਾ ਨੂੰ ਵੰਡਦਾ ਹੈ।

ਸੁਝਾਅ: ਜਦੋਂ ਇੱਕ ਸਰੋਤ ਨੂੰ ਇੱਕ ਤੋਂ ਵੱਧ ਸਿਰਲੇਖ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਬੇਲੋੜੇ ਸ਼ਬਦਾਂ ਨੂੰ ਸਟੈਕ ਨਾ ਕਰੋ ਜੋ ਇੱਕ ਦੂਜੇ ਦੇ ਉਪ ਸਮੂਹ ਹਨ। "ਓਟੋਮੈਨ ਇਤਿਹਾਸ" ਅਤੇ "ਇਤਿਹਾਸ" ਦੋਵਾਂ ਨੂੰ ਦੇਣਾ ਬਾਅਦ ਵਾਲੇ ਨੂੰ ਬੇਲੋੜਾ ਬਣਾਉਂਦਾ ਹੈ; ਸਭ ਤੋਂ ਖਾਸ ਚੁਣੋ ਅਤੇ ਸਿਰਫ਼ ਉਹ ਸਿਰਲੇਖ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਅਸਲ ਵਿੱਚ ਇੱਕ ਵੱਖਰੀ ਪਹੁੰਚ ਜੋੜਦੇ ਹਨ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

1) ਵਿਸ਼ਾ ਕੱਢਣਾ:

ਹੇਠਾਂ ਦਿੱਤੇ ਦਸਤਾਵੇਜ਼ ਦੇ ਪ੍ਰਾਇਮਰੀ ਵਿਸ਼ੇ ਨੂੰ ਇੱਕ ਵਾਕ ਵਿੱਚ ਅਤੇ ਸੈਕੰਡਰੀ ਵਿਸ਼ੇ ਨੂੰ 3 ਆਈਟਮਾਂ ਵਿੱਚ ਲਿਖੋ। ਇੱਕ ਵਿਸ਼ਾ ਜੋੜਨਾ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਸਿਰਫ ਟੈਕਸਟ ਦੇ ਅਧਾਰ ਤੇ। ਦਸਤਾਵੇਜ਼/ਸਾਰਾਂਸ਼: [ਇੱਥੇ]

2) ਪ੍ਰਵਾਨਿਤ ਸਿਰਲੇਖ ਤੋਂ ਮੇਲ ਖਾਂਦਾ ਹੈ:

ਹੇਠਾਂ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਸੰਖੇਪ ਅਤੇ ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ੇ ਸਿਰਲੇਖਾਂ ਦੀ ਸੂਚੀ ਹੈ। ਸੂਚੀ ਵਿੱਚੋਂ ਸਿਰਫ਼ 3-5 ਸਿਰਲੇਖਾਂ ਦਾ ਮੇਲ ਕਰੋ ਜੋ ਦਸਤਾਵੇਜ਼ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਹਨ, ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਨਾਲ ਸ਼ੁਰੂ ਕਰਦੇ ਹੋਏ। ਹਰੇਕ ਚੋਣ ਲਈ ਇੱਕ-ਵਾਕ ਦੀ ਤਰਕਸੰਗਤ ਲਿਖੋ। ਜੇਕਰ ਸੂਚੀ ਵਿੱਚ ਕੋਈ ਢੁਕਵਾਂ ਸਿਰਲੇਖ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਦੱਸੋ। ਸੰਖੇਪ: [ਇੱਥੇ] / ਸੂਚੀ: [ਇੱਥੇ]

3) ਵਰਗੀਕਰਨ ਮਾਸਟਰ ਕਲਾਸ ਸੁਝਾਅ:

ਹੇਠਾਂ ਦਿੱਤੇ ਦਸਤਾਵੇਜ਼ ਲਈ, ਡੇਵੀ ਦਸ਼ਮਲਵ ਵਰਗੀਕਰਣ ਵਿੱਚ ਇੱਕ ਸੰਭਾਵੀ ਪ੍ਰਮੁੱਖ ਸ਼੍ਰੇਣੀ (3 ਅੰਕ) ਦਾ ਸੁਝਾਅ ਦਿਓ ਅਤੇ ਦੱਸੋ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਉਂ ਚੁਣਿਆ ਹੈ। ਹੇਠਲੇ ਅੰਕਾਂ ਨੂੰ "ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਤੋਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ, ਸਹੀ ਨੰਬਰ ਨਾ ਦਿਓ। ਦਸਤਾਵੇਜ਼: [ਇੱਥੇ]

4) ਪੱਖਪਾਤ ਅਤੇ ਮੁਦਰਾ ਜਾਂਚ:

ਕੀ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿਸ਼ਿਆਂ ਦੇ ਸੁਝਾਵਾਂ ਵਿੱਚੋਂ ਕੋਈ ਸ਼ਬਦ ਹਨ ਜੋ ਪੁਰਾਣੇ, ਬੇਦਖਲੀ, ਜਾਂ ਇੱਕਤਰਫ਼ਾ ਹੋ ਸਕਦੇ ਹਨ? ਜੇਕਰ ਅਜਿਹਾ ਹੈ, ਤਾਂ ਇਸ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ ਅਤੇ ਦੱਸੋ ਕਿ ਇਹ ਸਮੱਸਿਆ ਕਿਉਂ ਹੋ ਸਕਦੀ ਹੈ। ਸੁਝਾਅ: [ਇੱਥੇ]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਇਸ ਕਿਤਾਬ ਦੇ ਵਿਸ਼ੇ ਦਿਓ: "ਆਟੋਮਨ ਸਾਮਰਾਜ ਵਿੱਚ ਵਪਾਰ"।

ਸਿਰਲੇਖ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦੇ ਹੋਏ, AI ਸੰਦਰਭ ਨੂੰ ਜਾਣੇ ਬਿਨਾਂ ਆਮ ਸ਼ਬਦਾਂ ਨੂੰ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਨਿਯੰਤਰਿਤ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ। ਨਤੀਜਾ: ਅਸੰਗਤ, ਸ਼ਾਇਦ ਗਲਤ ਸਿਰਲੇਖ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਹਾਇਕ ਵਿਸ਼ਾ ਵਸਤੂ ਵਿਸ਼ਲੇਸ਼ਕ। ਹੇਠਾਂ ਕਿਤਾਬ ਦੀ ਜਾਣ-ਪਛਾਣ ਅਤੇ ਸਮੱਗਰੀ ਹੈ; ਮੈਂ ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ਿਆਂ ਦੀ ਸੂਚੀ ਵੀ ਪ੍ਰਦਾਨ ਕੀਤੀ ਹੈ। (1) ਕਿਤਾਬ ਦੇ ਪ੍ਰਾਇਮਰੀ ਵਿਸ਼ੇ ਨੂੰ ਇੱਕ ਵਾਕ ਵਿੱਚ ਸੰਖੇਪ ਕਰੋ। (2) ਸੂਚੀ ਵਿੱਚੋਂ ਸਿਰਫ਼ 3-5 ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਸਿਰਲੇਖਾਂ ਨੂੰ ਤਰਕ ਨਾਲ ਮਿਲਾਓ। (3) ਸੂਚੀ ਤੋਂ ਬਾਹਰ ਨਾ ਜਾਓ, ਸ਼ਰਤਾਂ ਨਾ ਬਣਾਓ। ਟੈਕਸਟ: [ਇੱਥੇ] /ਪ੍ਰਵਾਨਿਤ ਸੂਚੀ: [ਇੱਥੇ]

ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਅਸਲ ਸਮੱਗਰੀ ਅਤੇ ਨਿਯੰਤਰਿਤ ਸ਼ਬਦਾਵਲੀ ਤੱਕ ਸੀਮਿਤ ਕਰਦਾ ਹੈ; ਸ਼ੁੱਧਤਾ ਅਤੇ ਇਕਸਾਰਤਾ ਦੋਵਾਂ ਨੂੰ ਕਾਇਮ ਰੱਖਦਾ ਹੈ।

ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਰਜ ਚਾਰਟ

ਖੋਜ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਆਦਮੀ ਦਾ ਫੈਸਲਾ

ਸਮੱਗਰੀ ਸੰਖੇਪ

ਤੇਜ਼ ਡਰਾਫਟ

ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ

ਸਿਰਲੇਖ ਸੁਝਾਅ

ਸੂਚੀ ਤੋਂ ਮੇਲ ਕਰੋ

ਅੰਤਮ ਚੋਣ, ਤਰਕਸੰਗਤ

ਵਰਗੀਕਰਨ ਨੰਬਰ

ਮਾਸਟਰ ਕਲਾਸ ਸੁਝਾਅ

ਉਪ-ਵਿਭਾਗ ਤਸਦੀਕ

ਪੱਖਪਾਤ ਜਾਂਚ

ਨਿਸ਼ਾਨਦੇਹੀ

ਸੰਮਲਿਤ ਮਿਆਦ ਦਾ ਫੈਸਲਾ

ਆਮ ਗਲਤੀਆਂ

• ਸਿਰਫ਼ ਸਿਰਲੇਖ ਤੋਂ ਵਿਸ਼ਾ ਮੰਗ ਰਿਹਾ ਹਾਂ। ਵਿਸ਼ੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਦਰਭ 'ਤੇ ਅਧਾਰਤ ਹੈ; ਸਿਰਲੇਖ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ।
• ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਵਰਗੀਕਰਨ ਨੰਬਰ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। ਹਾਲਾਂਕਿ AI ਮੁੱਖ ਕਲਾਸ ਲੱਭਦਾ ਹੈ, ਇਹ ਸਬਬ੍ਰੇਕ ਨੂੰ ਖੁੰਝਦਾ ਹੈ।
• ਨਿਯੰਤਰਿਤ ਸ਼ਬਦਾਵਲੀ ਨੂੰ ਛੱਡਣਾ। ਮੁਫਤ ਮਿਆਦ ਇਕਸਾਰਤਾ ਨੂੰ ਤੋੜਦੀ ਹੈ।
• ਪੱਖਪਾਤ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। AI ਅਤੀਤ ਦੀਆਂ ਪੁਰਾਣੀਆਂ, ਬੇਦਖਲੀ ਦੀਆਂ ਸ਼ਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦਾ ਹੈ।
• ਫੈਸਲਾ ਪੂਰੀ ਤਰ੍ਹਾਂ AI 'ਤੇ ਛੱਡਣਾ। ਪ੍ਰਤੀਨਿਧਤਾ ਅਤੇ ਨਿਆਂ ਲਈ ਨਿਰਣੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਫੈਸਲਾ ਵਿਅਕਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

ਸੰਖੇਪ ਵਿੱਚ

ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਰਗੀਕਰਨ ਵਿੱਚ, AI ਇੱਕ ਤੇਜ਼ ਸਹਾਇਕ ਹੈ ਜੋ ਸਮੱਗਰੀ ਦੇ ਸੰਖੇਪ ਨੂੰ ਕੱਢਦਾ ਹੈ, ਪ੍ਰਵਾਨਿਤ ਸੂਚੀ ਵਿੱਚੋਂ ਵਿਸ਼ਿਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਅਤੇ ਵਰਗੀਕਰਨ ਮਾਸਟਰ ਕਲਾਸ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਪਰ ਵਿਸ਼ੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਨਿਰਣੇ ਅਤੇ ਪ੍ਰਤੀਨਿਧਤਾ ਦਾ ਮਾਮਲਾ ਹੈ: ਇਹ ਮਾਹਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਸਿਰਲੇਖ ਸਰੋਤ, ਵਰਗੀਕਰਨ ਨੰਬਰ ਦੇ ਸਹੀ ਅੰਕਾਂ, ਅਤੇ ਸ਼ਰਤਾਂ ਦੀ ਮੁਦਰਾ ਦਾ ਸਭ ਤੋਂ ਸਹੀ ਅਤੇ ਨਿਰਪੱਖਤਾ ਨਾਲ ਵਰਣਨ ਕਰਦਾ ਹੈ। ਅਸਲ ਸਮੱਗਰੀ ਅਤੇ ਨਿਯੰਤਰਿਤ ਸ਼ਬਦਾਵਲੀ ਦੇ ਨਾਲ AI ਚਲਾਓ, ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਨਾਲ ਵਰਗੀਕਰਨ ਨੰਬਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ, ਅਤੇ ਪੱਖਪਾਤ ਤੋਂ ਸੁਚੇਤ ਰਹੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਤੁਹਾਡੇ ਕੋਲ ਮੌਜੂਦ ਸਰੋਤ ਦੀ ਜਾਣ-ਪਛਾਣ ਅਤੇ ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ਿਆਂ ਦੀ ਇੱਕ ਛੋਟੀ ਸੂਚੀ ਤਿਆਰ ਕਰੋ। "ਵਿਸ਼ਾ ਕੱਢਣ" ਅਤੇ "ਪ੍ਰਵਾਨਿਤ ਵਿਸ਼ਾ ਮਿਲਾਨ" ਟੈਮਪਲੇਟਸ ਦੇ ਨਾਲ AI ਸੁਝਾਅ ਪ੍ਰਾਪਤ ਕਰੋ। ਫਿਰ ਅਧਿਕਾਰਤ ਵਰਗੀਕਰਣ ਸਾਰਣੀ ਅਤੇ ਸੰਸਥਾ ਦੀ ਮੌਜੂਦਾ ਸ਼ਬਦਾਵਲੀ ਦੇ ਵਿਰੁੱਧ ਸੁਝਾਵਾਂ ਦੀ ਤੁਲਨਾ ਕਰੋ: ਕਿੰਨੇ ਸੁਝਾਅ ਸਹੀ ਸਨ, ਤੁਸੀਂ ਕਿੰਨੇ ਸਹੀ ਕੀਤੇ? ਪੁਰਾਣੀਆਂ ਸ਼ਰਤਾਂ ਲਈ ਸਿਫ਼ਾਰਸ਼ਾਂ ਨੂੰ "ਪੱਖਪਾਤ ਅਤੇ ਰੀਸੀਸੀ ਜਾਂਚ" ਟੈਮਪਲੇਟ ਨਾਲ ਦੇਖੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਅਸਲ ਸਮੱਗਰੀ ਤੋਂ ਵਿਸ਼ਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਸੀ, ਸਿਰਲੇਖ ਤੋਂ ਨਹੀਂ।
• [ ] ਮੈਂ ਨਿਯੰਤਰਿਤ ਸ਼ਬਦਾਵਲੀ ਤੋਂ ਸਿਰਲੇਖਾਂ ਨੂੰ ਮੈਪ ਕੀਤਾ ਹੈ।
• [ ] ਮੈਂ ਅਧਿਕਾਰਤ ਸਾਰਣੀ ਨਾਲ ਵਰਗੀਕਰਨ ਨੰਬਰ ਦੇ ਹੇਠਲੇ ਅੰਕਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਪੁਰਾਣੇ ਅਤੇ ਬੇਦਖਲੀ ਸ਼ਬਦਾਂ ਦੇ ਵਿਰੁੱਧ ਸੁਝਾਵਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਅੰਤਮ ਵਿਸ਼ੇ ਅਤੇ ਵਰਗੀਕਰਨ ਦਾ ਫੈਸਲਾ ਆਪਣੀ ਮਰਜ਼ੀ ਨਾਲ ਕੀਤਾ ਹੈ।