Structural Topic Model(STM) 最適なトピック数の決め方

前提・実現したいこと

Structural Topic Model(STM)でトピック抽出を行っています. (R言語で実装)
最適なトピック数を決める方法で質問があります.

searchK関数の出力結果で数値とグラフが出力されるのですが
この結果からどのように最適なトピック数を判断したら良いか分かりません.
どのようにトピック数を決定したらよいか教えていただきたいです.

該当のソースコード

R
1kResult <- searchK(out$documents, out$vocab, K=c(7,8,9,10), prevalence=~rating+s(day), data=meta)
2kResult$results
3plot(kResult)

出力結果

R
1> kResult$results
2   K   exclus    semcoh   heldout residual     bound    lbound em.its
31  7 8.937433 -52.95924  -7.80857 9.328384 -23391733 -23391725     17
42  8 9.090138 -58.20191 -7.793394 8.950438 -23337625 -23337614     20
53  9 9.168978 -61.09091 -7.781923 8.710382 -23296459 -23296447     25
64 10 9.256421 -61.51863 -7.764806 8.504863 -23247891 -23247876     55

疑問点

論文を読みましたが,以下の値が何を表しているのか理解できませんでした。

exclus：Exclusivity of each model.
semcoh：Semantic coherence of each model.
heldout：Heldout likelihood for each model.
residual：Residual for each model.
bound：Bound for each model.
lbound：lbound for each model.
em.its：Total number of EM iterations used in fiting the model.

また, 以下のグラフがそれぞれ何を表しているのか分かりません。