一家制药公司正在审计临床试验站点文档（文本），需要发现语料库中的前 10 个主题，以便审计员可以优先安排审查。提及不良事件的文档必须优先处理。数据科学家将使用统计主题建模来查找抽象主题并列出每个主题的关键词。哪些算法最适合？（选择两项。）

潜在狄利克雷分配（LDA）是一种广泛使用的统计主题模型，它能够从文档集合中识别出抽象的“主题”，并为每个主题提供关键词列表，这与制药公司发现语料库中前10个主题的需求高度吻合。神经主题模型（NTM）是基于神经网络的主题模型，它通常能捕捉更复杂的主题结构和文档语义，在处理大型文本数据集时表现出色，也符合识别抽象主题和关键词的需求。随机森林分类器和线性支持向量机是监督学习算法，主要用于分类任务，而不是无监督的主题发现。线性回归是用于预测连续值的监督学习算法，不适用于文本主题建模。