摘要
将文本自动分类为联合国可持续发展目标（SDGs）是高校等学术机构在报告其2030年议程贡献时所必需的重要能力。以爱思唯尔2025年SDG研究映射为代表的基于关键词的映射方法在机构实践中被广泛采用，而大语言模型（LLMs）近来作为一种灵活替代方案兴起，但尚无人对这两种范式进行过直接的实证比较。我们在OSDG社区数据集的5000条文本样本上，评估了五款当前先进的大语言模型在SDG多标签分类任务中的表现，将其零样本输出与爱思唯尔2025年映射结果进行对比。该映射被作为参考标准而非绝对真值采用，因此本比较衡量的是与机构实践的兼容性。分析综合了分类数量与分布对齐的整体对比以及逐SDG分析，并包含一项范围扩展实验——将精确关键词匹配替换为基于嵌入的语义匹配。五款LLM在总量上均存在过度分类现象，所分配的标签数量为爱思唯尔映射的1.15至1.81倍，但过度程度并不均匀。在85个模型-目标组合中，64个显著高于爱思唯尔计数，11个低于后者。基于嵌入的匹配在17个目标中的9个上缩小了差距，但在其余8个目标上反而使模型超出更多。由于该扩展同时去除了查询的布尔结构，上述结果与范围相关差异相符，但无法单独分离出范围因素的贡献。我们得出结论：所测试的零样本配置不适合直接替代爱思唯尔映射，而混合方法提供了更具可行性的前进路径。
