arXiv · Machine Learning· Shaohuai Feng, Mohd Wira Mohd Shafiei, Mohd Sukri Shafie, Siyang Tian·· 13 小时前AI 评分42
受访者稀缺时：SEUF 将 LLM 派生语义先验用于贝叶斯验证性因子分析
When Respondents Are Scarce: LLM-Derived Semantic Priors for Bayesian Confirmatory Factor Analysis
AI 导读
研究者提出语义—经验更新框架（SEUF），将与假设题项—因子对应关系对齐的 LLM 改写文本和嵌入转为贝叶斯验证性因子分析的预设先验。在50名受访者时，SEUF 的载荷精度可比传统 CFA 使用70-82名受访者，相当于在指定精度基准下减少29-39%样本；两项公共调查中，其载荷误差更低、可信区间覆盖率更好。
来源：arXiv · Machine Learning · arxiv.org