TopicMerge：一种分治式主题建模方法

TopicMerge 用多阶段流水线结合高效嵌入聚类与 LLM 裁决合并，在主题建模中兼顾 SOTA 聚类效果与计算效率。它先把文档语料过度切分为细粒度、语义纯粹的微簇并赋予初始语义标签，再由 LLM 依据局部邻域上下文裁决候选簇对是否合并，对获批合并选择性执行并重新打标签，逐层构建更宽泛连贯的主题。在 Bills 和 Wiki 数据集上，其所需 LLM 调用量比文档级方法减少超过 92%。