标签
本文提出了两种用于词-文档矩阵谱共聚类的随机化SVD近似方法，表明在多种设置下随机投影方法更为可靠，而基于采样的方法在更密集的矩阵上表现更佳。
本文介绍了一个基于Transformer的开源模块化框架，用于检测和构建气候文档中的社会临界点证据，使用了DistilBERT、RoBERTa、Mistral 7B和LLaMA 3.2 3B等模型，并在专家标注的基准上进行了评估。
本文测试了这样一个假设：在金融自然语言处理中，经人类标签验证的情绪工具也能预测市场信号，结果发现基准一致性并不决定预测有效性，且垃圾信息影响基于交易量的分析。
本文构建了一个包含1000篇学术论文的多模态数据集，包含文本、图像和音频，用于研究关键词抽取，结果显示融合多种模态能提升性能。
本文提出了一种基于文本的因果推断方法，通过改进的 CausalBERT 模型，解析各独立维度（如学校管理、学业表现）对在线评价总体评分的影响，并在超过 60 万条美国 K-12 学校评价数据上进行了验证。主要改进包括：温度缩放、超参数优化以及可解释性方法，以减少混淆偏差。
本文介绍了PROMETHEUS框架，该框架利用大型语言模型从文本中提取局部因果主张，并将其组织成可导航的因果图谱，从而在多个领域实现深度因果研究。