标签
本文比较了深度学习向量嵌入（CamemBERT）和词汇共现图模型在法语“大国民辩论”语料库上引发的几何结构，发现局部拓扑相似但全局组织截然不同，凸显了两种方法的互补性。
本文评估了传统机器学习技术（随机森林、XGBoost、支持向量机）与深度学习模型（统一多任务时间序列模型）在零售客户流失预测中的表现，发现传统方法在预测性能和效率上可以更胜一筹。
本文对图增强检索（Graph-RAG）与标准纯向量RAG在跨实体金融情绪分析中的表现进行了比较研究，发现图增强检索在实体召回率和答案相关性方面有统计显著的提升，而延迟成本增加不大。
本文系统性地比较了在BERTopic流程中使用七种基于Transformer的语言模型时模型大小对主题质量的影响，发现模型大小对主题连贯性影响微乎其微，表明较小的模型可以达到与较大模型相当的性能。
本文对各种联邦学习聚合策略进行了全面的实验比较，分析了它们在homogeneous和heterogeneous数据分布下的性能和效率。