TopicMerge：一种基于分治法的主题建模方法

研究者提出多阶段主题建模方案 TopicMerge，结合高效聚类与 LLM 迭代合并，兼顾 SOTA 聚类性能与计算效率。该方法先将文档语料过度分割为细粒度的微聚类并赋予初始标签，再由 LLM 结合局部邻域上下文仲裁并分层合并候选对。在 Bills 和 Wiki 数据集上的实验显示，TopicMerge 在达到 SOTA 表现的同时，相比文档级方法减少了超 92% 的 LLM 调用。