在现代数据基础设施中，数据虚拟化服务（DVS）能够为不同的处理任务生成大量源数据的虚拟版本。例如，同一多变量或多模态数据集可以用于分类、检测、分割、预测等机器学习任务。不同任务的选择、参与、集成和预处理会产生大量虚拟数据集[Khan 等, SSC 2026]。与此同时，用户需要频繁发现已有的虚拟数据集，以避免重复工作。为在 DVS 中实现高效检索，自动为每个虚拟数据集生成关键词显得尤为重要。\n\n本文提出了一套基于大语言模型（LLM）的关键词生成方案。我们设计了五种策略，用于挑选不同的文本集合供 LLM 处理。这五种策略分别在五个应用案例中使用不同源数据创建的虚拟数据集上进行实验。实验中使用了三种 LLM 生成器和两种嵌入技术。结果表明，策略的表现高度依赖于文本描述的质量。基于实验结论，我们在扩展的 DVS 中实现了多策略关键词生成服务（KGS），实现了对高并发、数据丰富的 DVS 的自动化支持。\n\n点评：该工作展示了自动关键词生成在大规模数据虚拟化环境中的必要性，并提供了可复用的多策略实现路径，为后续搜索与管理奠定了技术基础。