明示的意味解析（ESA）は、自然言語処理や情報検索で使用されるテキストのベクトル表現です。個々の単語や文書全体を、高次元空間内のベクトルとして表現し、各次元はウィキペディアの記事など、人間によって明示的に定義された概念に対応します。この手法は、Evgeniy GabrilovichとShaul Markovitchによって設計され、テキスト分類の改善と、コサイン類似度を用いたテキスト間の意味的関連性の計算を目的としています。この名称は潜在意味解析（LSA）と対比されるもので、ESAが知識ベースを使用することで、ベクトル空間を構成する概念に人間が読解可能なラベルを割り当てられるためです。
ESAは、文書コーパスを知識ベースとして活用することで動作します。基本形式では、単語はコーパスの文書頻度逆数（tf-idf）行列の列ベクトルとして表現され、文書はその構成単語のベクトルの重心として表現されます。典型的なコーパスは英語版ウィキペディアですが、Open Directory Projectなどの他のコレクションも使用されています。
モデル
基本的なESAの変種は、ウィキペディアの全記事など、N個の文書からなるテキストの集合から始まります。各文書は「bag of words」（単語頻度ヒストグラム）に変換され、転置インデックスに格納されます。任意の単語について、転置インデックスはその単語を含む文書の集合を返し、各文書は単語の出現頻度に基づいてスコア付けされ、文書内の総単語数で重み付けされます。数学的には、この出力は単語と文書のスコアからなるN次元ベクトルであり、単語を含まない文書にはスコアゼロが割り当てられます。
2つの単語の関連性を計算するには、そのベクトルuとvをコサイン類似度で比較します：sim(u, v) = (u · v) / (||u|| ||v||)。これにより、意味的関連性の数値推定値が得られます。この方式は、テキスト内の全単語のベクトルを合計することで、単語から複数単語のテキストへ拡張され、文書レベルの表現を生成します。
分析
ESAは当初、知識ベースがトピック的に直交する概念を含むという仮定の下で提唱されました。しかし、Maik AnderkaとBenno Steinは後に、ESAが直交性の性質を満たさないロイター通信社のニュース記事コーパスに基づく場合でも、情報検索の性能を向上させることを実証しました。彼らの実験では、ニュース記事が「概念」として機能しました。この観察は、ESAと一般化ベクトル空間モデルとの関連を通じて説明されました。GabrilovichとMarkovitchは、AnderkaとSteinの結果が、テキスト類似度へのESAの単一適用と、わずか50件のニュース文書からなる小さく均質なテストコレクションを用いて達成されたことを指摘して応答しました。
応用
単語の関連性
ESAは、その作者によって、意味的類似性ではなく意味的関連性の尺度と見なされています。単語関連性のベンチマークデータセットでは、ESAはWordNetベースの意味的類似性尺度やWord2vecなどのスキップグラム型ニューラルネットワーク言語モデルを含む他のアルゴリズムを上回ります。この手法はテキスト分類タスクに適用され、概念ベースの表現が分類精度を向上させます。
文書の関連性
ESAは、文書の関連性を計算する商用ソフトウェアパッケージで使用されています。専門分野でのより堅牢な文書マッチングを提供するために、ESAモデルにドメイン固有の制約が適用されることがあります。この手法が解釈可能な概念ベクトルを生成する能力は、テキストコンテンツの透明な表現を必要とするアプリケーションにとって価値があります。
拡張
言語横断明示的意味解析（CL-ESA）は、ESAの多言語一般化です。CL-ESAは、文書が整列された多言語参照コレクション（通常はウィキペディア）を活用し、文書を言語に依存しない概念ベクトルとして表現します。異なる言語の2つの文書の関連性は、対応するベクトル表現間のコサイン類似度によって評価されます。この拡張により、言語横断情報検索や、言語の境界を越えたテキストの比較が可能になります。
ESAはまた、Machine learningやArtificial intelligenceの広範な発展、特にNatural language processingタスクの文脈と関連付けられています。その明示的で解釈可能な概念空間は、後のDeep learningアプローチ（Neural network埋め込みなど）とは区別されますが、両者はテキスト内の意味的関係を捉えることを目的としています。この手法は、Large language modelやTransformer (architecture)アーキテクチャなどのより最近のモデルを補完する、意味表現の基礎的な技法として今も関連性を持ち続けています。