Agentopic：説明可能なトピックモデリングのための生成AIエージェントワークフロー

Abstract

Agentopicは、Large Language Models（LLMs）の推論能力を活用する、説明可能なトピックモデリングのための新しいエージェントベースのワークフローです。潜在的ディリクレ配分法（LDA）やBERTopicのような既存のトピックモデリング手法では、トピックがどのように割り当てられ、どのようにグループ化されるのかについての透明性がしばしば欠けています。Agentopicは、トピックの同定、妥当性確認、階層的なグルーピング、そして自然言語による説明を協働して行う複数のエージェントを用いることで、この課題に対処します。この設計により、ユーザーはトピック割り当ての背後にある推論を辿ることができ、精度を犠牲にすることなく解釈可能性を高めます。英国放送協会（BBC）データセットのトピックを起点として与えると、AgentopicはF1スコア0.95を達成し、GPT-4.1と同等の性能を示します。LDA（0.93）より改善しており、BERTopic（0.98）に近い値です。私たちは、Agentopicを用いてBBCデータセットを拡張し、生成された説明によってデータセットの豊かさと文脈を向上させました。起点を与えない（未シードの）Agentopicは、6つの階層レベルにわたって整理された、意味的に一貫した2045個のトピックを生成しました。これは、元の5カテゴリ構造を大幅に拡充するものです。ワークフロー全体に説明可能性を組み込むことで、Agentopicはブラックボックスモデルに対する解釈可能な代替手段を提供し、金融や医療のような重要な用途で特に価値があります。