零样本可视化：利用用户提示指定的坐标轴探索文本语料库

arXiv:2610.06889v1 公告类型：交叉发布 摘要：我们研究大型语言模型（LLMs）在文本语料库可视化探索中的应用。我们提出零样本可视化（ZSV）这一任务：用户用自然语言指定概念，系统将文档映射到相应的概念轴上进行可视化。构建具有实用价值的 ZSV 系统并非易事，因为这需要综合考虑特征函数、高效实现中的权衡，以及影响可视化质量的预处理和后处理决策。为此，我们建立了一个基准，比较在这一场景下基于嵌入相似度、直接语义判断和条件似然估计的各类方法。我们在多个数据集和使用场景中，从语义忠实度、评分保真度和计算成本三个方面，评估不同评分方法和设计选择的特性。结果表明，在所评估的方法中，基于下一词元概率的评分在实践中实现了最佳权衡。我们进一步将该方法应用于无标签语料库，以考察其在真实探索场景中的表现。这些实验凸显了其他需要考虑的设计因素，包括将分级坐标轴与二元相关性过滤相结合，并揭示了偏离主题的文档中存在的组合式情感偏差。基于这些发现，我们为构建端到端 ZSV 基线系统提供了实用指南。