Bills dataset

TopicMerge 结合了 LLM 和高效聚类技术，实现了可扩展的主题建模

研究人员推出了一种名为 TopicMerge 的新颖两阶段流水线，该方法通过结合高效聚类和大型语言模型（LLM）的强大功能来改进主题建模。该方法首先将文档分割成大量小型聚类，然后对其进行语义标记。随后，LLM 基于局部上下文迭代地合并这些微聚类，从而在显著降低计算成本的同时实现了最先进的性能。实验表明，与传统的文档级方法相比，TopicMerge 可将 LLM 调用次数减少 92% 以上，为主题分析提供了更具可扩展性和效率的解决方案。