論文の概要: TextClusterLab: An Integrated Framework for Reliable Text Clustering Studies

• arxiv url: http://arxiv.org/abs/2606.28328v1
• Date: Sun, 17 May 2026 16:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:12.954647
• Title: TextClusterLab: An Integrated Framework for Reliable Text Clustering Studies
• Title（参考訳）: TextClusterLab: 信頼性の高いテキストクラスタリング研究のための統合フレームワーク
• Abstract要約: 本稿では,テキストクラスタリング研究のための総合的なフレームワークであるTextClusterLabを紹介する。 TextClusterLabはLLM(Large Language Model)駆動のテキストクラスタリングデータセットジェネレータを提供する。 ジェネレータは、クラス不均衡、クラスタ内コンパクト性、クラスタ間多様性など、さまざまなクラスタリング属性の設定をサポートする。
• 参考スコア（独自算出の注目度）: 1.000445075350558
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, text clustering has become a critical technique for applications including intent discovery, topic mining, and recommendation systems. However, evaluating text clustering algorithms remains challenging since many real-world textual datasets are not suitable for clustering assessment due to ambiguous semantic boundaries, the high dimensionality of embeddings, and inconsistent cluster structure. Current clustering dataset generators are designed for numerical data, providing limited support for text-specific benchmarking. This paper introduces TextClusterLab, a comprehensive framework for text clustering research. TextClusterLab offers a Large Language Model (LLM)-driven text clustering dataset generator to produce synthetic text datasets for evaluating clustering algorithms. This generator supports setting various clustering attributes, such as class imbalance, intra-cluster compactness, and inter-cluster diversity. These generated datasets can serve as practical benchmarks for testing the robustness and versatility of text clustering algorithms in diverse scenarios. Moreover, we introduce a benchmark to verify whether a text dataset is suitable for clustering evaluation. Therefore, TextClusterLab provides an integrated framework for reproducible and comprehensive text-specific clustering research. Our TextClusterLab is publicly available at https://github.com/research-paper-code/TextClusterLab, and some synthetic example datasets with various attributes are publicly available at https://huggingface.co/datasets/DW-irlab/TextClusterLab.
• Abstract（参考訳）: 近年、テキストクラスタリングは、意図発見、トピックマイニング、レコメンデーションシステムといったアプリケーションにとって重要な技術となっている。 しかし, テキストクラスタリングアルゴリズムの評価は, あいまいなセマンティック境界, 埋め込みの高次元性, 不整合性クラスタ構造によるクラスタリング評価には適していないため, 依然として困難である。 現在のクラスタリングデータセットジェネレータは数値データ用に設計されており、テキスト固有のベンチマークを限定的にサポートする。 本稿では,テキストクラスタリング研究のための総合的なフレームワークであるTextClusterLabを紹介する。 TextClusterLabはLLM(Large Language Model)駆動のテキストクラスタリングデータセットジェネレータを提供し、クラスタリングアルゴリズムを評価するための合成テキストデータセットを生成する。 このジェネレータは、クラス不均衡、クラスタ内コンパクト性、クラスタ間多様性など、さまざまなクラスタリング属性の設定をサポートする。 これらの生成されたデータセットは、さまざまなシナリオにおけるテキストクラスタリングアルゴリズムの堅牢性と汎用性をテストするための実用的なベンチマークとして機能する。 さらに,テキストデータセットがクラスタリング評価に適しているかどうかを検証するためのベンチマークを導入する。 そのためTextClusterLabは、再現可能で包括的なテキスト固有のクラスタリング研究のための統合フレームワークを提供する。 TextClusterLabはhttps://github.com/research-paper-code/TextClusterLabで公開されており、さまざまな属性を持つ合成サンプルデータセットはhttps://huggingface.co/datasets/DW-irlab/TextClusterLabで公開されています。

関連論文リスト

• ClusterFusion: Hybrid Clustering with Embedding Guidance and LLM Adaptation [52.794544682493814]
  大規模言語モデル(LLM)は、強いコンテキスト推論を提供するが、以前の作業では、組み込みを洗練したりクラスタ境界を調整するために、主に補助モジュールとして使用していた。 本稿では,LLMをクラスタリングコアとして扱うハイブリッドフレームワークであるClusterFusionを提案する。 3つの公開ベンチマークと2つの新しいドメイン固有のデータセットの実験は、ClusterFusionが標準的なタスクで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-12-04T00:49:43Z)
• ESMC: MLLM-Based Embedding Selection for Explainable Multiple Clustering [79.69917150582633]
  MLLM(Multi-modal large language model)は、ユーザ主導のクラスタリングを実現するために利用することができる。 本手法はまず,MLLMのテキストトークンの隠蔽状態が対応する特徴と強く関連していることを明らかにする。 また、擬似ラベル学習を付加した軽量クラスタリングヘッドを採用し、クラスタリング精度を大幅に向上させた。
  論文  参考訳（メタデータ） (2025-11-30T04:36:51Z)
• In-Context Clustering with Large Language Models [50.25868718329313]
  ICCは、注意機構を通じて入力間の複雑な関係をキャプチャする。 事前学習したLLMは、テキスト符号化された数値データに対して、印象的なゼロショットクラスタリング機能を示す。 我々の研究は、文脈内学習を教師なしの設定に拡張し、クラスタリングにおけるLLMの有効性と柔軟性を示します。
  論文  参考訳（メタデータ） (2025-10-09T17:07:55Z)
• Text Clustering as Classification with LLMs [9.128151647718251]
  本稿では,大規模言語モデルの文脈内学習機能を活用することで,テキストクラスタリングを分類タスクとして再編成するフレームワークを提案する。 LLMの高度な自然言語理解と一般化機能を活用することで,人間の介入を最小限に抑えた効果的なクラスタリングを実現する。 多様なデータセットに対する実験結果から,我々のフレームワークは,最先端の組込みクラスタリング技術に匹敵する,あるいは優れた性能を達成できることが示された。
  論文  参考訳（メタデータ） (2024-09-30T16:57:34Z)
• Text Clustering with Large Language Model Embeddings [0.0]
  テキストクラスタリングの有効性は、テキスト埋め込みとクラスタリングアルゴリズムの選択に大きく依存する。 大規模言語モデル(LLM)の最近の進歩は、このタスクを強化する可能性を秘めている。 LLM埋め込みは構造化言語の微妙さを捉えるのに優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-22T11:08:48Z)
• Generalized Category Discovery with Clustering Assignment Consistency [56.92546133591019]
  一般化圏発見(GCD)は、最近提案されたオープンワールドタスクである。 クラスタリングの一貫性を促進するための協調学習ベースのフレームワークを提案する。 提案手法は,3つの総合的なベンチマークと3つのきめ細かい視覚認識データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-30T00:32:47Z)
• Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
  本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。 提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。 フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
  論文  参考訳（メタデータ） (2023-08-13T18:12:28Z)
• Hard Regularization to Prevent Deep Online Clustering Collapse without Data Augmentation [65.268245109828]
  オンラインディープクラスタリング(オンラインディープクラスタリング)とは、機能抽出ネットワークとクラスタリングモデルを組み合わせて、クラスタラベルを処理された各新しいデータポイントまたはバッチに割り当てることである。 オフラインメソッドよりも高速で汎用性が高いが、オンラインクラスタリングは、エンコーダがすべての入力を同じポイントにマッピングし、すべてを単一のクラスタに配置する、崩壊したソリューションに容易に到達することができる。 本稿では,データ拡張を必要としない手法を提案する。
  論文  参考訳（メタデータ） (2023-03-29T08:23:26Z)
• Generating Multidimensional Clusters With Support Lines [0.0]
  合成データ生成のためのモジュラープロシージャであるClugenを提案する。 Clukenはオープンソースで、包括的なユニットテストとドキュメント化が可能である。 クラスタリングアルゴリズムの評価にはClugenが適していることを示す。
  論文  参考訳（メタデータ） (2023-01-24T22:08:24Z)
• ClusTop: An unsupervised and integrated text clustering and topic extraction framework [3.3073775218038883]
  教師なしテキストクラスタリングとトピック抽出フレームワーク(ClusTop)を提案する。 フレームワークには、拡張言語モデルトレーニング、次元削減、クラスタリング、トピック抽出の4つのコンポーネントが含まれている。 2つのデータセットの実験は、我々のフレームワークの有効性を実証している。
  論文  参考訳（メタデータ） (2023-01-03T03:26:26Z)
• Detection and Evaluation of Clusters within Sequential Data [58.720142291102135]
  Block Markov Chainsのクラスタリングアルゴリズムは理論的最適性を保証する。 特に、私たちのシーケンシャルデータは、ヒトのDNA、テキスト、動物運動データ、金融市場から派生しています。 ブロックマルコフ連鎖モデルの仮定は、実際に探索データ解析において有意義な洞察を得られることが判明した。
  論文  参考訳（メタデータ） (2022-10-04T15:22:39Z)
• A framework for benchmarking clustering algorithms [2.900810893770134]
  クラスタリングアルゴリズムは、さまざまなベンチマーク問題でテストできる。 多くの研究論文や大学院論文では、少数のデータセットしか考慮していない。 我々はクラスタリングアルゴリズムをテストする一貫した方法論を導入することを目的としたフレームワークを開発した。
  論文  参考訳（メタデータ） (2022-09-20T06:10:41Z)
• Hybrid Multisource Feature Fusion for the Text Clustering [5.5586788751870175]
  テキストクラスタリング技術は、大量のテキスト文書をグループに分割するために使用される教師なしのテキストマイニング手法である。 本稿では,3つのコンポーネント,マルチモデルの特徴表現,相互類似度行列,特徴融合からなるハイブリッドマルチソース特徴融合(HMFF)フレームワークを提案する。 私たちのHMFFフレームワークは、11の公開ベンチマークデータセットのうち7つで、最近発表された他のアルゴリズムよりも優れています。
  論文  参考訳（メタデータ） (2021-08-24T19:32:09Z)

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。