यह शोधपत्र बड़े पैमाने के भाषा मॉडल (LLM) का उपयोग करके टेक्स्ट क्लस्टरिंग की उच्च लागत को कम करने के लिए Cequel नामक एक लागत-प्रभावी ढाँचे का प्रस्ताव करता है। Cequel, सूचना-समृद्ध टेक्स्ट युग्मों या त्रिक के लिए LLM को चुनिंदा रूप से क्वेरी करने के लिए EdgeLLM और TriangleLLM नामक एल्गोरिदम का उपयोग करता है, जिससे अनिवार्य-लिंक और गैर-लिंक प्रतिबंध उत्पन्न होते हैं। फिर इन प्रतिबंधों का उपयोग उच्च-गुणवत्ता वाले क्लस्टर बनाने के लिए एक भारित प्रतिबंध क्लस्टरिंग एल्गोरिदम में किया जाता है। EdgeLLM और TriangleLLM एक सावधानीपूर्वक डिज़ाइन की गई लालची चयन रणनीति और प्रॉम्प्टिंग तकनीक का उपयोग करके सूचना-समृद्ध प्रतिबंधों की कुशलतापूर्वक पहचान और निष्कर्षण करते हैं। विभिन्न बेंचमार्क डेटासेट पर प्रायोगिक परिणाम दर्शाते हैं कि Cequel समान क्वेरी बजट में मौजूदा अप्रशिक्षित टेक्स्ट क्लस्टरिंग विधियों से बेहतर प्रदर्शन करता है।
