HINTs：通过超图可视化和智能代理对大型文档集合进行意义建构

对大量文档集合（语料库）进行意义建构是一项具有挑战性的任务，常见于市场研究、法律研究、情报分析、政治学、计算语言学等领域。以往的工作要么从主题角度，要么从实体角度来处理这个问题，但由于模型对齐不佳，缺乏可解释性和可信度。在本文中，我们提出了HINTs，一种视觉分析方法，它将基于主题和基于实体的技术无缝结合，并集成大型语言模型（LLM）作为通用NLP任务求解器和智能代理。通过在数据准备阶段利用LLM的提取能力，我们将语料库建模为一个超图，该超图与用户在理解语料库时的心理模型相匹配。构建的超图通过结合语义和连通性相似性的凝聚聚类算法进行层次组织。该系统进一步在界面中集成了一个基于LLM的智能聊天机器人代理，以促进意义建构。为了展示HINTs系统的泛化性和有效性，我们展示了两个不同领域的案例研究和一项比较用户研究。我们报告了关于使用智能代理促进意义建构时的行为模式和挑战的见解。我们发现，虽然智能代理可以解决意义建构中的许多挑战，但可视化提供的视觉提示对于解决智能代理带来的新问题是必要的。我们讨论了将交互式可视化和LLM更深入地结合起来以更好地支持语料库分析的局限性和未来工作。