せんざいてきでぃりくれはいぶんほう

潜在的ディリクレ配分法 (LDA)

LDA = Latent Dirichlet Allocation

文書群から潜在的な話題を抽出するトピックモデルです。教師なし学習により、文書がどのようなトピックの混合か推定します。

詳しい説明

文書内に含まれる単語の出現パターンから、その文書がどのようなトピック（話題）の集合であるかを推定するトピックモデルです。教師なし学習アルゴリズムの一つであり、あらかじめラベルを付与することなく、データから潜在的なトピックを抽出します。

LDAでは、文書は複数のトピックが混ざり合ったものであり、各トピックは単語の確率分布であると仮定します。このモデルを用いると、膨大な文書群を自動的に分類したり、重要なキーワードを抽出したりすることが可能になり、文書要約や推薦システムに活用されます。

G検定では、教師なし学習の具体例として、自然言語処理の分野で問われます。トピックモデルの代表的な手法であることを押さえ、K-means法のようなクラスタリング手法と並んで、データの構造を明らかにするための手法として理解しておく必要があります。