MALTopic：多智能体 LLM 主题建模框架
计算与语言
2026-01-23 v1 信息检索
多智能体系统
摘要
主题建模是从非结构化文本数据中提取潜在主题的关键技术，在分析调查回复时尤为有价值。然而，传统方法通常仅考虑自由文本回复，且不原生支持将结构化或分类调查回复纳入主题建模。此外，它们生成的抽象主题需要大量的人工解读。为了解决这些局限性，我们提出了多智能体 LLM 主题建模框架 (MALTopic)。该框架将主题建模分解为由各个 LLM 智能体执行的专门任务：增强智能体利用结构化数据来丰富文本回复，主题建模智能体提取潜在主题，去重智能体对结果进行细化。在调查数据集上的对比分析表明，与 LDA 和 BERTopic 相比，MALTopic 显著提升了主题连贯性、多样性和可解释性。通过整合结构化数据并采用多智能体方法，MALTopic 生成了具有增强上下文相关性的、人类可读的主题，为分析复杂调查数据提供了更有效的解决方案。
引用
@article{arxiv.2601.15299,
title = {MALTopic: Multi-Agent LLM Topic Modeling Framework},
author = {Yash Sharma},
journal= {arXiv preprint arXiv:2601.15299},
year = {2026}
}
备注
6 pages. Published in 2025 IEEE World AI-IoT Congress. \c{opyright} 2025 IEEE. Project code and data available at: https://github.com/yash91sharma/MALTopic