arXiv · NLP· Daniel Denley, Robert L. Nicol, Mike J. Chantler·· 7 天前AI 评分22
EGIM:面向高细粒度主题模型的嵌入门控细化方法
Similar but Not Redundant: Embedding-Gated Refinement for High-Granularity Topic Models
AI 导读
提出嵌入门控迭代合并(EGIM)方法,结合嵌入相似度与 LLM 判断以解决高细粒度主题建模中的冗余难题。在专利和法律语料库中,LLM 拒绝了 83% 的嵌入候选,相比基线提升合并主题区分度 25-55% 并保留细分差异。
来源:arXiv · NLP · arxiv.org