Machine learningDeep learning / NLP / CV
説明可能なLDAトピックモデル
説明可能なLDAは、Blei、Ng、およびJordanが2003年に導入した標準的な確率的トピックモデルである潜在ディリクレ配分法（Latent Dirichlet Allocation; LDA）に、発見された各トピックを監査可能、ラベル付け可能、かつ人間によるレビューで信頼できるものにするための事後的および内在的な解釈性ツールを組み合わせたものである。これは、発見と並行して透明性が要求される自然言語処理（NLP）、社会科学のテキスト分析、および計算社会科学の分野で広く利用されている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
このページの引用方法
ScholarGate. (2026, June 3). Explainable Latent Dirichlet Allocation Topic Model. ScholarGate. https://scholargate.app/ja/deep-learning/explainable-lda-topic-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- 潜在的ディリクレ配分法 (LDA)機械学習↔ compare
- 非負値行列因子分解 (NMF)機械学習↔ compare
- テキスト分類テキストマイニング↔ compare
- Word2Vecテキストマイニング↔ compare