面向工业对齐的细粒度主题建模
计算与语言
2026-01-21 v1 人工智能
机器学习
摘要
主题建模在跨多个工业领域的文本挖掘与数据分析中有着广泛应用。尽管粒度的概念因能提供更深入的洞察而对商业应用具有重要价值，但主题建模方法生成细粒度主题的能力尚未得到充分探索。在此背景下，本文介绍了一个名为 TIDE 的框架，其主要核心功能是基于大语言模型（LLMs）的新型细粒度主题建模方法，同时还提供了其他对商业应用有用的功能，例如长文档摘要、主题溯源和蒸馏。通过在多种公开和真实商业数据集上的广泛实验，我们证明了 TIDE 的主题建模方法优于现代主题建模方法，并且我们的辅助组件为处理工业商业场景提供了有价值的支持。TIDE 框架目前正在进行开源流程。
引用
@article{arxiv.2601.11762,
title = {Industry-Aligned Granular Topic Modeling},
author = {Sae Young Moon and Myeongjun Erik Jang and Haoyan Luo and Chunyang Xiao and Antonios Georgiadis and Fran Silavong},
journal= {arXiv preprint arXiv:2601.11762},
year = {2026}
}