English(EN) TaxCE : A Framework for Automated Taxonomy Construction and Evaluation at Scale

新框架大规模自动化分类法构建和评估

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

一个名为TaxCE的新框架已被开发出来，用于从大量非结构化文本数据中自动构建和评估分层分类法。该框架通过渐进式内容压缩、语义单元去重和自下而上组织主题，解决了现有方法的局限性。TaxCE还引入了三个新颖的评估指标——排他性、穷尽性和粒度（EEG），并将它们整合到迭代优化过程中以提高分类法的质量。实验表明，TaxCE在当前的主题建模、神经网络和基于LLM的方法方面表现显著优于它们，人类评估也证实了其卓越的可操作性和导航性。 AI

影响该框架可以显著改善大型组织构建和分析用户反馈的方式，从而获得更具可操作性的见解。

排序理由该集群包含一篇研究论文，详细介绍了一个用于特定NLP任务的新框架和评估指标。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 31 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了一个用于特定NLP任务的新框架和评估指标。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Sandeep Sricharan Mukku, Albert Aristotle Nanda, Rohit Pyati · 2026-09-01 04:00

TaxCE：大规模自动化分类法构建与评估框架

arXiv:2608.30614v1 Announce Type: new Abstract: Organizing unstructured feedback text into hierarchical taxonomy is a fundamental challenge in NLP, particularly in domains where feedback arrives at massive scale in varied forms such as reviews, transcripts, and surveys. Existing …

本文如何被排名

报道来源 [1]

TaxCE：大规模自动化分类法构建与评估框架

相关实体

相关话题