問題 No.1934
大量のテキストデータから文書群に潜在するトピックを確率的に抽出し、各文書がどのようなトピックの割合で構成されているかを分析する自然言語処理の手法として、最も適切なものはどれですか。
【正解の解説】
トピックモデル
本棚にある何千冊もの雑誌を「料理」「旅行」「IT」などのテーマに自動で仕分けし、1冊の雑誌がそれぞれのテーマを何％ずつ含んでいるかを暴き出すようなものです。キーワードの出現パターンを数学的に分析することで、人間が気づかなかった隠れた共通の話題（トピック）を見つけ出すことができます。
スポンサーリンク
【その他の選択肢の解説】
セマンティック解析
これはトピックモデルとは異なり、言葉の裏にあるニュアンスや同義語の関係性を捉える技術を指します。例えば「りんご」と「みかん」がどちらも「果物」という概念でつながっていることを理解するようなアプローチであり、文章全体のテーマの割合を確率的に算出するトピックモデルとは目的が異なります。
ニューラルネットワーク
これはトピック抽出に特化した手法の名前ではなく、画像認識や音声認識、自然言語処理など幅広い分野で使われる万能な計算モデルの枠組みです。トピックモデルの計算内部でニューラルネットワークが使われることはありますが、手法そのものを指す言葉としては範囲が広すぎて不適切です。
共起ネットワーク
これはどの単語とどの単語がセットで使われやすいかという「網の目のようなつながり」に注目するものであり、文書がどのようなトピックの割合で構成されているかを確率的に割り出すトピックモデルの機能とはアプローチが異なります。単語同士の関係図を作るための手法として混同しないよう注意が必要です。