問題 No.2645
ある企業では、社内に蓄積された膨大な顧客からの問い合わせメールを整理するため、教師なし学習を用いて文書群から潜在的な主題を確率的に抽出し、各メールがどの主題の組み合わせで構成されているかを自動分類したいと考えています。この目的に最も適した機械学習の手法はどれですか。
【正解の解説】
トピックモデル
本棚のたくさんの本を「料理」「旅行」「歴史」といったテーマごとに整理するようなものです。人間があらかじめラベルを貼らなくても、AIが文章の言葉の出現パターンの重なりから「このメールは料金と解約の話題が混ざっているな」と自動的に仕分けしてくれます。大量の問い合わせメールの傾向をつかむのにぴったりの技術です。
スポンサーリンク
【その他の選択肢の解説】
協調フィルタリング
これは「Amazonでこの商品を買った人はこんな商品も買っています」というレコメンド機能で使われる技術です。文書の中に隠れた主題を見つけるトピックモデルとは目的がまったく異なり、顧客と商品のマッチングを考える際に使われる点が初学者が混同しやすいポイントです。
アソシエーション分析
スーパーのレシート分析で「ビールとおむつが一緒に買われやすい」という法則を見つけ出すマーケットバスケット分析の代表例です。文章のトピックを確率的に分類するトピックモデルとは異なり、事象の同時発生ルールを見つける点に大きな違いがあります。
ランダムフォレスト
過去の正解データ（教師データ）をもとに「スパムメールか、そうでないか」を分類するような予測モデルを作るために使われます。今回は正解ラベルがない「教師なし学習」で主題を抽出したいという要件があるため、あらかじめ正解が必要なランダムフォレストは目的不適合となります。