利用语言模型对大型语料库叙事的可解释分析
信号处理
2025-11-25 v1
摘要
叙事驱动人类行为，构成地缘政治的核心，但仍未实现可量化的度量以衡量其重叠度和演变。我们提出了一种可解释模型，将既有的词袋（BoW）主题表示与新开发的基于大语言模型的问答（Q&A）叙事模型集成在一起，这两者共享潜在的再生产核希尔伯特空间（Reproducing Kernel Hilbert Space）表示，以对书面文档进行量化。我们的ethods 缓解了使用 LLM 分析大型语料库时成本、可解释性和泛化性挑战。我们推导了高效的函数梯度下降更新，具有可解释性且在结构上类似于 Transformer 中的自注意力机制。我们进一步引入受 Transformer 架构启发的上下文 Q&A 外推方法，使其能够对未查询的文档准确预测 Q&A 结果。
引用
@article{arxiv.2511.18599,
title = {Leveraging Language Models for Interpretable Analysis of Narratives in a Large Corpus},
author = {Eric A. Bai and Minling Zhou and Ricardo Henao and Kyle M. Schwing and Lawrence Carin},
journal= {arXiv preprint arXiv:2511.18599},
year = {2025}
}