本研究提出了一种新方法，结合命名实体识别与大型语言模型嵌入，构建基于图的文档聚类框架。实验结果表明，该方法在处理命名实体丰富的文档时，聚类效果优于传统方法。

本研究提出ClusterTalk框架，通过文档聚类和多维过滤搜索，提高生物医学文本的探索效率，处理了400万篇PubMed摘要，显著提升了信息发现能力。

本文提出了一种基于大型语言模型的生成聚类方法，通过KL散度定义相似性，并提出新颖的聚类算法。研究表明，该方法在聚类性能和文档检索准确性上显著提升。