본 논문은 대규모 언어 모델(LLM)을 활용한 비용 효율적인 텍스트 클러스터링 프레임워크인 TECL을 제안합니다. 기존의 LLM 기반 텍스트 클러스터링 방법들이 많은 API 호출로 인해 높은 비용이 발생하는 문제점을 해결하기 위해, TECL은 EdgeLLM 또는 TriangleLLM을 사용하여 LLM 쿼리 횟수를 제한하면서도 정확한 must-link/cannot-link 제약 조건을 생성합니다. 이러한 제약 조건을 가중치가 부여된 제약 클러스터링 기법에 입력하여 클러스터를 생성합니다. EdgeLLM은 탐욕적 알고리즘을 통해 정보가 풍부한 텍스트 쌍을 선택하고, TriangleLLM은 텍스트 삼중항을 활용합니다. 실험 결과, TECL은 동일한 LLM 쿼리 비용 하에서 기존의 비지도 텍스트 클러스터링 방법들보다 우수한 성능을 보였습니다.
