論文の概要: Using LLM-Based Approaches to Enhance and Automate Topic Labeling

• arxiv url: http://arxiv.org/abs/2502.18469v1
• Date: Mon, 03 Feb 2025 08:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 03:56:08.918373
• Title: Using LLM-Based Approaches to Enhance and Automate Topic Labeling
• Title（参考訳）: LLMによるトピックラベリングの促進と自動化
• Authors: Trishia Khandelwal,
• Abstract要約: 本研究では、トピックラベリングの自動化と強化にLLM(Large Language Models)を用いることを検討する。 トピックモデリングにBERTopicを適用した後、各トピック内でキーワードとドキュメントの要約を選択するための異なるアプローチを探索する。 それぞれのアプローチは、支配的なテーマや多様性といった異なる側面を優先し、ラベルの品質への影響を評価する。
• 参考スコア（独自算出の注目度）: 13.581341206178525
• License:
• Abstract: Topic modeling has become a crucial method for analyzing text data, particularly for extracting meaningful insights from large collections of documents. However, the output of these models typically consists of lists of keywords that require manual interpretation for precise labeling. This study explores the use of Large Language Models (LLMs) to automate and enhance topic labeling by generating more meaningful and contextually appropriate labels. After applying BERTopic for topic modeling, we explore different approaches to select keywords and document summaries within each topic, which are then fed into an LLM to generate labels. Each approach prioritizes different aspects, such as dominant themes or diversity, to assess their impact on label quality. Additionally, recognizing the lack of quantitative methods for evaluating topic labels, we propose a novel metric that measures how semantically representative a label is of all documents within a topic.
• Abstract（参考訳）: トピックモデリングはテキストデータを解析するための重要な手法となり、特に大量の文書から有意義な洞察を抽出するために重要である。 しかしながら、これらのモデルの出力は通常、正確なラベル付けのために手動による解釈を必要とするキーワードのリストで構成されている。 本研究では、より意味があり、文脈的に適切なラベルを生成することにより、トピックラベリングの自動化と強化にLLM(Large Language Models)を用いることを検討する。 トピックモデリングにBERTopicを適用した後、各トピック内のキーワードとドキュメントの要約を選択し、ラベルを生成するためにLLMに入力する。 それぞれのアプローチは、支配的なテーマや多様性といった異なる側面を優先し、ラベルの品質への影響を評価する。 さらに,トピックラベル評価のための定量的手法が欠如していることを認識し,トピック内のすべてのドキュメントにおいて,ラベルが意味的にどのように表現されているかを測定する新しい指標を提案する。

関連論文リスト

• Modeling Multi-modal Cross-interaction for Multi-label Few-shot Image Classification Based on Local Feature Selection [55.144394711196924]
  マルチラベル設定の重要な特徴は、イメージがしばしば複数のラベルを持つことである。 本稿では,ラベルのプロトタイプを段階的に改良する戦略を提案する。 COCO, PASCAL VOC, NUS-WIDE, iMaterialist による実験により, このモデルにより最先端のモデルが大幅に改善されることが示された。
  論文  参考訳（メタデータ） (2024-12-18T11:10:18Z)
• Exploiting Conjugate Label Information for Multi-Instance Partial-Label Learning [61.00359941983515]
  MIPL(Multi-instance partial-label Learning)は、各トレーニングサンプルが1つの真のラベルといくつかの偽陽性を含む候補ラベルセットに関連付けられたマルチインスタンスバッグとして表現されるシナリオに対処する。 ELIMIPLは共役ラベル情報を利用して曖昧性を改善する。
  論文  参考訳（メタデータ） (2024-08-26T15:49:31Z)
• TopicTag: Automatic Annotation of NMF Topic Models Using Chain of Thought and Prompt Tuning with LLMs [1.1826529992155377]
  非負行列分解(非負行列分解、英: Non- negative matrix factorization、NMF)は、周波数逆文書周波数(TF-IDF)行列を分解して潜在トピックを明らかにする、一般的な教師なしの手法である。 自動モデル決定法(NMFk)を用いてNMFを介してクラスタ化された文書中のトピックラベリングを自動化する手法を提案する。 そこで我々は,NMFkの出力を利用して,大規模言語モデル(LLM)を用いて正確なトピックラベルを生成する。
  論文  参考訳（メタデータ） (2024-07-29T00:18:17Z)
• Open-world Multi-label Text Classification with Extremely Weak Supervision [30.85235057480158]
  極弱監督(XWS)下でのオープンワールドマルチラベルテキスト分類について検討する。 まず、ユーザ記述を利用して、原文書のサブセットのキーフレーズに対して大きな言語モデル(LLM)をプロンプトし、クラスタリングによりラベル空間を構築する。 次に、ゼロショットのマルチラベル分類器を適用して、予測スコアが小さい文書を見つけることで、より長いテールラベルに対する主要なキーフレーズを再検討する。 X-MLClassは、様々なデータセットにおいて、地平線ラベルの空間カバレッジが顕著に増加している。
  論文  参考訳（メタデータ） (2024-07-08T04:52:49Z)
• KeNet:Knowledge-enhanced Doc-Label Attention Network for Multi-label text classification [12.383260095788042]
  マルチラベルテキスト分類(MLTC)は自然言語処理(NLP)の分野における基本的な課題である 我々は、外部知識、ラベル埋め込み、および包括的な注意機構を組み込んだ注意ネットワークを設計する。 提案手法は,3つのマルチラベルデータセットを用いた総合的な研究によって検証されている。
  論文  参考訳（メタデータ） (2024-03-04T06:52:19Z)
• HuBERTopic: Enhancing Semantic Representation of HuBERT through Self-supervision Utilizing Topic Model [62.995175485416]
  本稿では,HuBERTのセマンティック表現を豊かにするための新しいアプローチを提案する。 トピックラベルを教師として使用することにより、HuBERTに補助的なトピック分類タスクを追加する。 実験の結果,本手法は,ほとんどのタスクにおいて,ベースラインと同等あるいは優れた性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-10-06T02:19:09Z)
• Disambiguated Attention Embedding for Multi-Instance Partial-Label Learning [68.56193228008466]
  多くの実世界のタスクでは、関連するオブジェクトは、候補ラベルセットに関連付けられたマルチインスタンスバッグとして表現することができる。 既存のMIPLアプローチは、各インスタンスに拡張候補ラベルセットを割り当て、インスタンスレベルのラベルからバッグレベルのラベルを集約することで、インスタンス空間のパラダイムに従っている。 本稿では,DEMIPLという直感的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T13:25:17Z)
• Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
  不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。 最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。 我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
  論文  参考訳（メタデータ） (2023-03-23T12:39:20Z)
• A Deep Model for Partial Multi-Label Image Classification with Curriculum Based Disambiguation [42.0958430465578]
  部分多重ラベル(PML)画像分類問題について検討する。 既存のPMLメソッドは通常、ノイズの多いラベルをフィルタリングするための曖昧な戦略を設計する。 本稿では,PMLの表現能力と識別能力を高めるための深層モデルを提案する。
  論文  参考訳（メタデータ） (2022-07-06T02:49:02Z)
• Towards Few-shot Entity Recognition in Document Images: A Label-aware Sequence-to-Sequence Framework [28.898240725099782]
  アノテーション付き文書画像のほんの数ショットしか必要としないエンティティ認識モデルを構築します。 ラベルを意識したSeq2seqフレームワーク LASER を開発した。 2つのベンチマークデータセットの実験は、数ショット設定下でのLASERの優位性を示している。
  論文  参考訳（メタデータ） (2022-03-30T18:30:42Z)
• MATCH: Metadata-Aware Text Classification in A Large Hierarchy [60.59183151617578]
  MATCHはメタデータと階層情報の両方を利用するエンドツーエンドのフレームワークである。 親による各子ラベルのパラメータと出力確率を正規化するさまざまな方法を提案します。 大規模なラベル階層を持つ2つの大規模なテキストデータセットの実験は、MATCHの有効性を示しています。
  論文  参考訳（メタデータ） (2021-02-15T05:23:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。