第 9.5 節 JMP Pro 教學，使用與 Orange 相同的 Journal of Information Systems 文獻資料比較文字探勘能力。
理解文件—詞彙矩陣（Document-Term Matrix, DTM）、奇異值分解（Singular Value Decomposition, SVD）、主題數選擇與文字分析工具比較。
JMP Pro 依四步驟文字探勘框架處理文章，原書特別示範用 奇異值分解碎石圖 的轉折點估計主題數。
| 原書設定 | 內容 |
|---|---|
| 資料 | Journal of Information Systems 截至 2021 年底文章 |
| DTM 維度縮減 | SVD |
| 預設奇異向量數 | 100 維 |
| 原書碎石圖解讀 | 適合主題數約 10–18 |
| JMP Pro Text Explorer 分析 | 潛在類別分析（Latent Class Analysis, LCA）、潛在語意分析（Latent Semantic Analysis, LSA）、判別分析（Discriminant Analysis, DA）、詞彙選擇（Term Selection, TS）、情緒分析（Sentiment Analysis, SA）；另可做主題分析（Topic Analysis, TA） |
資料清理 → Text Explorer 前處理 → 建立 DTM → SVD 降維 → 碎石圖判斷主題數 → 主題分析 → 主題—詞彙表、文字雲與趨勢圖。
原書沒有指定唯一「最佳」主題數，而是根據碎石圖 認為 10–18 個主題皆可能合理。這是視覺判讀區間，不應改寫成精確最優值。
工具可以計算奇異值與提供圖形，但主題數仍含分析者判斷。原書比較指出 Orange 提供潛在語意分析、潛在狄利克雷配置、階層式狄利克雷程序、負矩陣分解四種主題模型，而 JMP Pro 在此教學的 Text Explorer 主題分析選擇較集中。
根據碎石圖 解讀與原書 10–18 的範圍，提出選 10、14、18 個主題時應比較的可解釋性與穩定性問題；不要宣稱其中一個一定最佳。
問題： 為什麼不能把 10–18 的區間直接改寫成「最佳主題數=14」？
參考解答： 原書只說轉折點支持 10–18 的範圍，沒有提供唯一最佳值。