University of California, San Diego（加州大学圣迭戈分校）

Cluster and then Embed: A Modular Approach for Visualization

先聚类再嵌入：一种可视化的模块化方法

Elizabeth Coda, Ery Arias-Castro, Gal Mishne

机构 * Department of Mathematics, University of California, San Diego（数学系，加州大学圣地亚哥分校） ； Halıcıoğlu Data Science Institute, University of California, San Diego（Halıcıoğlu数据科学研究所，加州大学圣地亚哥分校） 纠错

AI总结 研究针对t-SNE和UMAP在可视化时扭曲数据全局几何结构的问题，提出先聚类再嵌入的模块化方法，经多数据集实验验证，此方法在保持竞争力的同时更具透明度。

Beyond LLMs: A Linguistic Approach to Causal Graph Generation from Narrative Texts

超越大语言模型：一种从叙事文本生成因果图的语言学方法

Zehan Li, Ruhua Pan, Xinyu Pi

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 该研究提出从叙事文本生成因果图的框架，先以LLM提取顶点，引入含七个语言特征的“专家索引”并集成到分类模型，结合RoBERTa嵌入提升因果关系识别精度，经五次迭代提示构建因果图，实验证明其优于GPT-4o和Claude 3.5，还提供开源工具。

Comments published at the 7th Workshop on Narrative Understanding, NAACL 2025