本論文では、オンライントピックモデルの新しい手法SB-SETMを提案します。このモデルは、連続的に進化するデータストリームに対して、Embedded Topic Model（ETM）を拡張したものです。具体的には、SB-SETMはトピックごとの文書分布にトランケーテッドスティックブレイキング構造を利用し、各タイムステップでのアクティブなトピック数を自動的に推定します。また、高次元の潜在トピック空間に適応した最適輸送の連続的な定式化に基づくトピック埋め込みのマージ戦略を導入しています。数値実験では、SB-SETMがシミュレーションシナリオでベースラインを上回る性能を示しており、実際のニュース記事コーパスに対するテストも行い、ロシア・ウクライナ戦争に関するデータを分析しています。この研究はオンラインでの文書ストリーム分析に新しい視点を提供します。