機械学習におけるトピックモデルは、文書やテキストの集合から潜在的なテーマやキーワードの分布を推定する技術群であり、確率的手法とニューラルネットワークを用いるアプローチが含まれる。代表的な確率的モデルとしてldaがあり、これは単語の頻度や文書内の分布を行列として扱い、ベクトル空間上でトピックを検出する。近年ではエンコーダとデコーダを備えたニューラルネットワーク構造が利用され、文書の埋め込みベクトルを生成し、トピックの潜在表現の推論と予測を行う。これらの技術は大規模なデータセットの訓練により精度が向上し、クエリに基づく情報検索や広告の配信、ユーザー嗜好の解析、感情の検出、閲覧したウェブページの内容分析など、多様なデータ処理システムやエンジンで利用されている。ストレージやデータ処理装置上で効率的に扱うために行列分解や分散処理と組み合わせるケースも多い。トピックモデルにより文書の特徴を抽出し、販売や市場の動向分析、契約や資産管理のための情報分類にも応用されている。
