G検定（ジェネラリスト検定） 機械学習の概要 練習問題 第13問: トピックモデルの代表的な手法であるLDA（潜在的ディリクレ配分法）の説明として、最も適切なものはどれか。

正解: 4. 文書を複数のトピックが異なる割合で混ざったもの、トピックを単語の出現確率の分布として表す生成モデルである

肢4が正解です。LDA を提案した Blei・Ng・Jordan（2003）の論文は、文書を潜在的なトピックの無作為な混合として表し、各トピックを単語の分布として特徴づける生成的な確率モデルとして LDA を説明しています。トピックの割合は文書ごとに、各単語のトピックは単語ごとに選ばれるので、1つの文書が複数のトピックを異なる度合いで持てます。肢1は、各文書がちょうど1つのトピックを持つとする混合ユニグラムモデルの前提で、論文はこれを大量の文書を扱うには制約が強すぎるとしています。肢2は誤りで、LDA は単語の順序を無視できるとみなす bag-of-words の前提に立ちます。肢3も誤りで、トピックは潜在変数として正解ラベルなしで推定します。

関連キーワード: トピックモデル・潜在的ディリクレ配分法・LDA・教師なし学習