論文の概要: A Neural Topic Method Using a Large-Language-Model-in-the-Loop for Business Research

• arxiv url: http://arxiv.org/abs/2603.03623v1
• Date: Wed, 04 Mar 2026 01:20:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.142536
• Title: A Neural Topic Method Using a Large-Language-Model-in-the-Loop for Business Research
• Title（参考訳）: 大規模ループモデルを用いたビジネスリサーチのためのニューラルトピック法
• Authors: Stephan Ludwig, Peter J. Danaher, Xiaohao Yang,
• Abstract要約: トピックを潜在言語構造として概念化するニューラルトピック手法であるLX Topicを紹介する。 我々は,LX Topicが主要なモデルと比較して,最も高いトピック品質を達成することを示す。 LX Topicは、Webベースのシステムにおけるトピック発見、洗練、標準化されたアウトプットを統合することにより、トピックモデリングを再現性、解釈性、測定指向の機器として確立し、マーケティング研究と実践を行う。
• 参考スコア（独自算出の注目度）: 0.6736390862233058
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The growing use of unstructured text in business research makes topic modeling a central tool for constructing explanatory variables from reviews, social media, and open-ended survey responses, yet existing approaches function poorly as measurement instruments. Prior work shows that textual content predicts outcomes such as sales, satisfaction, and firm performance, but probabilistic models often generate conceptually diffuse topics, neural topic models are difficult to interpret in theory-driven settings, and large language model approaches lack standardization, stability, and alignment with document-level representations. We introduce LX Topic, a neural topic method that conceptualizes topics as latent linguistic constructs and produces calibrated document-level topic proportions for empirical analysis. LX Topic builds on FASTopic to ensure strong document representativeness and integrates large language model refinement at the topic-word level using alignment and confidence-weighting mechanisms that enhance semantic coherence without distorting document-topic distributions. Evaluations on large-scale Amazon and Yelp review datasets demonstrate that LX Topic achieves the highest overall topic quality relative to leading models while preserving clustering and classification performance. By unifying topic discovery, refinement, and standardized output in a web-based system, LX Topic establishes topic modeling as a reproducible, interpretable, and measurement-oriented instrument for marketing research and practice.
• Abstract（参考訳）: ビジネス研究における非構造化テキストの利用の増加により、トピックモデリングは、レビュー、ソーシャルメディア、オープンエンドの調査回答から説明変数を構築する中心的なツールとなっているが、既存のアプローチは測定器として不十分である。 先行研究では、テキストコンテンツはセールス、満足度、ファームパフォーマンスなどの結果を予測するが、確率論的モデルは概念的に拡散したトピックをしばしば生成し、ニューラルトピックモデルは理論駆動的な設定で解釈することは困難であり、大規模言語モデルアプローチは標準化、安定性、文書レベルの表現との整合性を欠いている。 本稿では,LX Topicについて紹介する。LX Topicは,トピックを潜在言語構造として概念化し,文書レベルのトピックを校正し,経験的分析を行う。 LX TopicはFASTopic上に構築されており、強力な文書表現性を保証するとともに、文書トピック分布を歪ませることなくセマンティックコヒーレンスを高めるアライメントと信頼度向上メカニズムを使用して、トピックワードレベルで大きな言語モデルの洗練を統合する。 大規模なAmazonとYelpのレビューデータセットの評価は、LX Topicがクラスタリングと分類性能を維持しながら、主要なモデルと比較して、最も全体的なトピック品質を達成することを示している。 LX Topicは、Webベースのシステムにおけるトピック発見、洗練、標準化されたアウトプットを統合することにより、トピックモデリングを再現性、解釈性、測定指向の機器として確立し、マーケティング研究と実践を行う。

関連論文リスト

• Toward Purpose-oriented Topic Model Evaluation enabled by Large Language Models [0.8193467416247519]
  トピック品質の4つの重要な側面にまたがる9つのLarge Language Models(LLM)ベースのメトリクスを利用する目的指向評価フレームワークを導入する。 このフレームワークは、敵対的およびサンプリングベースのプロトコルを通じて検証され、ニュース記事、学術出版物、ソーシャルメディア投稿にまたがるデータセットに適用される。
  論文  参考訳（メタデータ） (2025-09-08T18:46:08Z)
• Semantic-Driven Topic Modeling Using Transformer-Based Embeddings and Clustering Algorithms [6.349503549199403]
  本研究は,トピック抽出プロセスのための革新的エンド・ツー・エンドのセマンティクス駆動トピックモデリング手法を提案する。 本モデルは,事前学習したトランスフォーマーベース言語モデルを用いて文書埋め込みを生成する。 ChatGPTや従来のトピックモデリングアルゴリズムと比較して、我々のモデルはより一貫性があり有意義なトピックを提供する。
  論文  参考訳（メタデータ） (2024-09-30T18:15:31Z)
• Interactive Topic Models with Optimal Transport [75.26555710661908]
  ラベル名監視型トピックモデリングのためのアプローチとして,EdTMを提案する。 EdTMは、LM/LLMベースのドキュメントトピック親和性を活用しながら、代入問題としてのトピックモデリングをモデル化する。
  論文  参考訳（メタデータ） (2024-06-28T13:57:27Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• Topics as Entity Clusters: Entity-based Topics from Large Language Models and Graph Neural Networks [0.6486052012623045]
  本稿では,エンティティのバイモーダルベクトル表現を用いたトピッククラスタリング手法を提案する。 我々のアプローチは、最先端のモデルと比較してエンティティを扱うのに適している。
  論文  参考訳（メタデータ） (2023-01-06T10:54:54Z)
• Model Criticism for Long-Form Text Generation [113.13900836015122]
  我々は,テキストの高レベル構造を評価するために,潜在空間におけるモデル批判という統計ツールを適用した。 我々は,コヒーレンス,コア,トピックスという,ハイレベルな談話の3つの代表的な側面について実験を行った。 トランスフォーマーベースの言語モデルでは、トピック構造をキャプチャできるが、構造コヒーレンスやモデリングコアスを維持するのが難しくなる。
  論文  参考訳（メタデータ） (2022-10-16T04:35:58Z)
• Knowledge-Aware Bayesian Deep Topic Model [50.58975785318575]
  本稿では,事前知識を階層型トピックモデリングに組み込むベイズ生成モデルを提案する。 提案モデルでは,事前知識を効率的に統合し,階層的なトピック発見と文書表現の両面を改善する。
  論文  参考訳（メタデータ） (2022-09-20T09:16:05Z)
• Topic Discovery via Latent Space Clustering of Pretrained Language Model Representations [35.74225306947918]
  本研究では, PLM 埋め込みを基盤とした空間学習とクラスタリングの連携フレームワークを提案する。 提案モデルでは,トピック発見のためにPLMがもたらす強力な表現力と言語的特徴を効果的に活用する。
  論文  参考訳（メタデータ） (2022-02-09T17:26:08Z)
• Semiparametric Latent Topic Modeling on Consumer-Generated Corpora [0.0]
  本稿では,非負行列因数分解と半パラメトリック回帰を利用したトピックモデリングにおける2段階のアプローチである,半パラメトリックトピックモデルを提案する。 このモデルにより、コーパス内のスパーストピック構造を再構築することができ、コーパスに入る新しい文書のトピックを予測するための生成モデルを提供する。 実際の消費者フィードバックコーパスでは、モデルは、他のメソッドが生成したものに匹敵する解釈可能で有用なトピック定義を提供する。
  論文  参考訳（メタデータ） (2021-07-13T00:22:02Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。