製薬会社が臨床試験サイトの文書（テキスト）を監査しており、監査人がレビューの優先順位を付けられるように、コーパス全体で上位10のトピックを発見する必要があります。有害事象に言及している文書は優先順位を付ける必要があります。データサイエンティストは、統計的トピックモデリングを使用して抽象的なトピックを見つけ、トピックごとに上位の単語をリストアップします。最適なアルゴリズムはどれですか？（2つ選択してください。）

潜在的ディリクレ配分 (LDA) は、文書コレクション内の抽象的な「トピック」を識別するために使用される統計的トピックモデルです。各文書はトピックの混合として表現され、各トピックは単語の分布として表現されます。これにより、監査人は文書全体で上位10のトピックを発見し、各トピックの主要な単語をリストアップできます。ニューラルトピックモデリング (NTM) は、ニューラルネットワークを活用してトピックを学習する、LDAのより現代的な代替手段です。複雑なパターンを捉え、より表現力豊かなトピック表現を提供できます。ランダムフォレスト分類器と線形サポートベクターマシンは分類タスクに使用され、線形回帰は回帰タスクに使用されるため、このトピックモデリングのユースケースには適していません。