実践 機械学習システム

82

4

章 トピックモデル

もしれません。しかし、より多くの記事があれば、たとえば、「ホッケー」、「サッカー」などのように、

もっと細かい種類に分類を行うことができます。さらに記事が多くなれば、スポーツチームやスポーツ

選手についてのニュアンスも見分けがつくかもしれません。このことは、人についても同じことが言え

ます。いろいろな職業の人がいたとき、その中で「コンピュータを仕事にする人」が少数であれば、そ

の人達をひとまとまりにするでしょう。さらに人の数が多くなれば、コンピュータを仕事にする人を

「プログラマ」や「システム管理者」などに分けることができます。現実の世界では、「Pythonプログラ

マ」、「Rubyプログラマ」などのような分類さえ行っています。

先程も述べた通り、トピックの数を自動で決める手法にHDPという手法があります。この手法は

gensimに用意されており、簡単に使うことができます。先ほど行っ

たLDAを行うコードで、次の部分

を置き換えるだけで、HDPを用いることができます。

>>>

hdp = gensim.models.hdpmodel.HdpModel(mm, id2word)

先ほどのコードの変更箇所はこれだけです（計算に少しだけ多くの時間が必要ですが）。これでト

ピックの数を指定することなく、LDA モデルを使ったときのように、このモデルを用いることができま

す。

4.4

　まとめ

本章では、文書をグループ化することについて、より発展的な内容を扱いました。ここで学んだ手

法は、単純な