본 논문은 대규모 언어 모델(LLM)을 활용한 텍스트 클러스터링의 높은 비용 문제를 해결하기 위해 Cequel이라는 비용 효율적인 프레임워크를 제안합니다. Cequel은 EdgeLLM과 TriangleLLM이라는 알고리즘을 통해 정보가 풍부한 텍스트 쌍 또는 삼중항을 선택적으로 LLM에 질의하여 must-link 및 cannot-link 제약 조건을 생성합니다. 이러한 제약 조건은 가중치가 부여된 제약 클러스터링 알고리즘에 사용되어 고품질 클러스터를 형성합니다. EdgeLLM과 TriangleLLM은 신중하게 설계된 탐욕적 선택 전략과 프롬프팅 기법을 사용하여 정보가 풍부한 제약 조건을 효율적으로 식별하고 추출합니다. 다양한 벤치마크 데이터셋에 대한 실험 결과, Cequel은 동일한 질의 예산 내에서 기존의 비지도 텍스트 클러스터링 방법보다 성능이 우수함을 보여줍니다.
