TTTC / 広聴AI の clustering 議論を Deep Research したい時、最初にやるべきなのは論文を無差別に集めることではない。
先に 何を検証したいのか を棚分けしないと、UMAP の caution、spectral clustering の一般論、topic modeling の実装事情、公開説明責務の話が全部混ざる。clustering-research-survey-seeds-2026-05-25より
1. 最優先は UMAP -> clustering の妥当性
いま一番強く検証したいのは、新妻 thread の中心論点である
UMAP後にk-meansを掛けてよいのか- 2D 可視化用
UMAPと clustering 用UMAPを分けるべきか n_neighborsをどう読むべきか
である。niizuma-thread-algorithm-critiqueより
この棚では、理論論文よりもまず
- UMAP 公式 docs の caution
- document clustering pipeline の empirical comparison
を押さえる方が効率がよい。
ここで 2D clustering 自体がかなり不利だと出るなら、広聴AI / TTTC の比較も「どちらがより自然か」より前に、「どちらも scatter-first な妥協なのでは」という読みが強くなる。
2. spectral clustering は独立棚で読むべき
tokoroten の読みで面白いのは、「TTTC は spectral を使っている」ことより、「その spectral は UMAP 側で作られた 2D 幾何を切っているのでは」という推測である。tokoroten-spectral-clustering-readingより
この論点を検証するには、
- spectral clustering の数学的性質
- nearest-neighbor affinity を使う時の意味
- non-spherical shape に強いという通説
- explainability の弱さ
を別棚で見る必要がある。
ここは UMAP caution literature とは目的が違うので、混ぜずに読んだ方がよい。
3. BERTopic は implementation detail ではなく、解釈の攪乱要因
TTTC の code observation では BERTopic, HDBSCAN, UMAP, SpectralClustering が同居していた。
このため survey では、BERTopic を単なる周辺ツール扱いせず、
- BERTopic が本来どこで cluster assignment を持つか
- topic labeling と final cluster-id が分離しうるか
を押さえるべきである。clustering-research-survey-seeds-2026-05-25より
これを読まないと、「TTTC は HDBSCAN 系なのか spectral 系なのか」という問い自体を雑に立ててしまう。
4. 可視化と分析の分離は、論文より design principle として読む
新妻 thread と tokoroten spectral 読みはどちらも、結局は
- clustering as semantic grouping
- scatter as public-facing shape
の衝突を示している。niizuma-thread-algorithm-critiqueより tokoroten-spectral-clustering-readingより
したがって survey では、純粋な ML 精度比較だけでなく、
- 可視化 embedding は explanation artifact と割り切るべきか
- analysis artifact と view artifact をどう分離するか
という design principle も読むべきである。
この棚は broad listening product 設計に直結するので、文献 survey だけでなく後で wiki の概念ページにも戻しやすい。
5. 評価軸を混ぜない
この survey でいちばん避けたい失敗は、「精度が高い」「見やすい」「説明しやすい」を同じ勝敗で扱うことである。
少なくとも次は分けるべきだ。
- geometry
- label semantics
- public explanation / accountability
- UI / UX
これは current LLM grouping 実験でも既に露出している構図であり、survey でも同じ整理を保つべきである。clustering-research-survey-seeds-2026-05-25より
Practical Read Order
- UMAP docs
Using UMAP for Clustering - document clustering pipeline の empirical study
- spectral clustering の explainability / interpretability 論文
- BERTopic paper
- visualization vs analysis の caution literature
この順なら、先に「現在の争点に効く強い一次主張」を押さえてから、周辺理論で肉付けできる。
What to Do Next
survey の次段として妥当なのは 2 本ある。
- TTTC 側の他 commit / issue / docs を掘り、spectral と
n_neighborsの意図説明を探す - current
analysis-core上でUMAP -> SpectralClusteringを再現して、scatter / label / hierarchy の挙動を比較する
今回の時点では、まず 1 を優先し、2 は possibility としてメモしておくのが筋である。
Open Questions
- broad listening 文脈特有の説明責務は、一般 document clustering 文献の外に専用文献があるか
- spectral clustering を civic tech / public communication 文脈で比較した既存議論があるか
Updates
- 2026-05-25: Deep Research 前に、survey を
UMAP, spectral, BERTopic, 可視化分離, 評価軸へ棚分けする計画を整理 - 2026-05-25: nishio ↔ GPT の 2 本のブレスト（gpt-umap-clustering-bertopic-deep-research-2026-05-25 / gpt-llm-pairwise-spectral-small-n-brainstorm-2026-05-25）を deep-research 応答として吸収。bucket 1 (UMAP→clustering) は「2D 用と 15D〜25D の分離が筋」、bucket 3 (spectral) は「数十件規模では LLM pairwise + spectral / agglomerative」、bucket 4 (BERTopic) は「backbone + LLM labeler への位置ずれ」と整理。詳細は clustering-deep-research-findings-2026-05-25 へ filing back。Read order に LLM-as-pairwise-judge / 概念誘導系 (LLooM, TopicGPT) / ACL 2025 NIST 論文を追加すべきと記録