研究人员开发了一种名为嵌入门控迭代合并（EGIM）的新方法，以改进高粒度主题建模，旨在从语料库中提取数百个细微主题。EGIM方法结合了嵌入相似性和大型语言模型（LLM）的判断，以区分真正冗余的主题和语义相似但不同的主题。在专利和法律语料库的实验中，与之前基于LLM的方法相比，EGIM在主题可区分性方面表现出显著的改进，同时更好地保留了原始主题分布。 AI
影响 增强了从大型文本数据集中提取细微差别和不同主题的能力，改进了信息检索和分析。
排序理由 该集群包含一篇详细介绍主题建模新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
- arXiv
- École Centrale de Marseille
- Embedding-Gated Iterative Merge (EGIM)
- Hugging Face
- Large Language Model (LLM)
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
