NMF と LDA を用いたトピック抽出のプロット

# はじめに

この実験では、文書コーパスに非負行列因子分解 (NMF: Non-negative Matrix Factorization) と潜在的ディリクレ配置 (LDA: Latent Dirichlet Allocation) を適用して、コーパスのトピック構造の加法モデルを抽出します。出力は、重みに基づいた上位いくつかの単語を使用して棒グラフとして表される各トピックのプロットになります。

## VM のヒント

VM の起動が完了したら、左上隅をクリックして **ノートブック** タブに切り替え、Jupyter Notebook を使って練習しましょう。

Jupyter Notebook の読み込みには数秒かかる場合があります。Jupyter Notebook の制限により、操作の検証は自動化できません。

学習中に問題がある場合は、Labby にお問い合わせください。セッション後にフィードバックを提供してください。すぐに問題を解決いたします。