本文介绍了如何结合大型语言模型（LLM）嵌入和HDBSCAN算法构建文本聚类管道，以自动发现未标记文本数据中的主题。主要步骤包括生成文本嵌入、降低维度和应用聚类，最终成功识别出两个主题聚类，展示了该方法的有效性。
该推荐系统通过Qdrant构建，旨在根据用户的艺术偏好连接志同道合的人。与传统系统不同，它动态建模用户的审美品味，关注用户与艺术作品的互动。系统将艺术作品转化为向量，并利用HDBSCAN聚类算法识别用户的多样化偏好，从而提供个性化推荐。
本研究提出了一种高效构建树状图的新型并行算法pandora，通过递归树合并和GPU加速实现，使其在处理倾斜树时更快。pandora的多线程版本快2.2倍，GPU版本在amdgpu上快6-20倍，在nvidiagpu上快10-37倍，使hdbscan在GPU上速度提升6倍。
FLASC算法是一种高效的耀斑敏感聚类算法，通过后处理步骤区分聚类流形中的分支，具有噪声鲁棒性和稳定输出。实验证明FLASC算法相对于HDBSCAN *聚类具有优势。
完成下面两步后，将自动完成登录并继续当前操作。
