本稿では、順序付きの特徴表現学習における固有関数の抽出に関する一般的な枠組みを提案します。現在の代表的な手法では、文脈カーネルのスペクトル分解を部分的にしか行えず、その結果、特徴の重要性や順位が正確に理解できません。提案手法は、低ランク近似やレイリー商最適化などの方法と整合し、文脈カーネルに適合するモジュール化された構成要素に基づいています。実験では合成カーネルと実データセットを用いて、回収された固有値が特徴選択において効果的な重要度スコアとして機能することを示し、効率と精度のトレードオフを可能にする適応的次元表現を実現します。