トピックモデルとは
トピックモデル（Topic Model）とは、大量の文書集合から潜在的なトピック（話題・テーマ）を自動的に発見する確率的な生成モデルです。各文書が複数のトピックの混合として構成され、各トピックは特定の単語の分布として表現されると仮定します。
| ひとことで言うと | 大量の文書から、どんな話題が含まれているかを自動で見つける手法。 |
|---|---|
| どこで使う | 問い合わせ内容の分類、口コミの論点整理、社内文書のテーマ把握。 |
| 注意点 | トピック数は人が指定する必要がある。出てきた話題の解釈も人が行う。 |
トピックモデルの考え方
例えば、ニュース記事の集合にトピックモデルを適用すると、「政治」「経済」「スポーツ」「科学」などのトピックが自動的に発見されます。各トピックは関連する単語（例：「政治」トピックは「選挙」「政策」「議会」など）の確率分布として表されます。各文書は複数のトピックの混合比率で特徴づけられます。
1文書集合問い合わせ履歴など
▶
2トピック数を指定5個・10個など
▶
3語の分布を推定話題ごとの特徴語
▶
4文書に割当各文書の話題の比率
▶
5人が名前を付ける「価格」「納期」など
代表的な手法
LDA（Latent Dirichlet Allocation）が最も広く使われているトピックモデルです。LSA（Latent Semantic Analysis）は特異値分解を用いた初期の手法です。NMF（Non-negative Matrix Factorization）は非負制約のある行列分解によるトピック発見手法です。近年はBERTopicのように事前学習済みモデルを活用した手法も注目されています。
トピックモデルの活用
学術論文の研究動向分析、ニュース記事の自動分類、顧客レビューの分析、ソーシャルメディアのトレンド分析、文書推薦システムなどに活用されています。