AnTenA：用大语言模型解释多维度数据的隐藏模式

在多维度数据分析中，准确解释隐藏模式通常依赖标签或辅助元数据，但这些信息可能存在不准确、不充分甚至缺失的问题。为此，研究人员开发了AnTenA系统，该系统创新性地利用大语言模型的知识来解释人类叙事数据中的潜在模式。AnTenA通过任务无关和任务特定的提示，对张量分解提取的共聚类潜在模式进行解释。为评估解释效果，研究团队在正向和反向推理任务上对大语言模型进行了测试。该方法有望在缺乏标注数据的场景下，为复杂数据模式的理解提供新思路。演示系统已在GitHub开源。