新的DARTopic框架利用图网络增强神经主题建模

研究人员开发了DARTopic，一个用于领域无关的神经主题建模的新框架。该方法利用在预训练语言模型的token级嵌入上运行的图神经网络来捕获语料库特定的语义结构。与现有方法相比，DARTopic在通用、生物医学和法律领域的模型一致性和文档聚类方面表现出卓越的性能，而无需对底层编码器进行任何微调。 AI

影响 在无需编码器微调的情况下，增强了专业语料库的主题可解释性和聚类能力。

排序理由 描述主题建模新模型/框架的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Connected Papers
• CORE Recommender
• DagsHub
• DARTopic
• Gotit.pub
• graph neural network
• Hugging Face
• Influence Flower
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →