---
title: "トピックモデル（Topic Model）とは？G検定対策"
description: "トピックモデルを、各文書を複数トピックの混合、各トピックを単語の確率分布として表す教師なし学習手法として整理します。LDA、クラスタリング、文書分類、感情分析との違いと、G検定での判断基準を確認できます。"
last_modified_at: "2026-07-18"
canonical_url: "https://stemtazoo.github.io/gk/topic-model/"
section: "gk"
---

## まず結論

* **トピックモデル**とは、文章集合の中に潜在する話題構造を、単語の出現パターンから自動的に見つける教師なし学習手法です。
* 重要なのは、文書を1つの話題に決めるのではなく、**複数トピックの混合**として表す点です。

## 直感的な説明

1本のニュース記事でも、内容がすべて1種類とは限りません。

たとえば、ある記事が

* 経済 60%
* 政治 30%
* 国際 10%

のように、複数の話題を含むと考えるのがトピックモデルです。

一方で、各トピックも単なる名前ではなく、

* 経済トピック：市場、株価、企業、景気
* スポーツトピック：試合、選手、得点、監督

のような**単語の出やすさの分布**として表されます。

## 定義・仕組み

トピックモデルでは、次の2つを同時に考えます。

* **文書ごとのトピック分布**
  * その文書にどの話題が、どの割合で含まれるか
* **トピックごとの単語分布**
  * その話題で、どの単語が出やすいか

代表的な手法が **LDA（Latent Dirichlet Allocation）** です。

LDAでは、文章は次のように生成されたと考えます。

1. 文書ごとにトピックの割合を決める
2. 各単語について、どのトピックから生成するかを決める
3. そのトピックで出やすい単語を選ぶ

実際には、この生成過程を逆にたどり、観測された文章から潜在トピックを推定します。

## いつ使う？（得意・不得意）

### 得意な場面

* 大量文書の話題整理
* ニュース記事やレビューの探索的分析
* 文書検索や推薦の補助
* ラベルがない文章集合の傾向把握

### 苦手・注意点

* トピック数は事前に指定することが多い
* 出てきたトピックの意味付けは人が行う
* 単語の順序や細かな文脈を直接扱うのは苦手
* 感情の正負や正解カテゴリを直接予測する手法ではない

## G検定ひっかけポイント

### トピックモデルと文書クラスタリング

* トピックモデル：1文書が**複数トピックを割合で持てる**
* 文書クラスタリング：各文書を1つのグループに割り当てることが多い

### トピックモデルと文書分類

* トピックモデル：ラベル不要の教師なし学習
* 文書分類：正解ラベルを使う教師あり学習が基本

### トピックモデルと感情分析

* トピックモデル：「何について書かれているか」
* 感情分析：「肯定的か否定的か」

### 判断基準

* 「潜在的な話題」→ トピックモデル
* 「文書は複数トピックの混合」→ トピックモデル
* 「各トピックは単語の確率分布」→ トピックモデル
* 「正解ラベルでカテゴリ予測」→ 文書分類

## まとめ（試験直前用）

* トピックモデルは教師なし学習
* 文書は複数トピックの混合
* トピックは単語の確率分布
* 代表例はLDA
* 「何の話題か」を見つける手法