HiRoshima.R #3 の LT「RMeCab を使ったテキストマイニングの基礎の基礎」のスライドです。

1. MeCabを使った
テキストマイニングの基礎の基礎
2015-02-14 HiRoshima.R #3 @ Hijiyama Univ.
阪上 辰也

2. Text miningとは?
構造化されていないテキストから
目的に応じて情報や知識を
掘り出す方法と技術の総称
!
（石田・金, 2014）
!
石田基広・金明哲（2014）『コーパスとテキストマイニング』共立出版

3. Text miningとは?
• 自由記述アンケートを客観的に分析
• Web 上の流行の品を探し当てる
• 書き手の特徴分析・識別・分類

4. Text mining の主な手順
1. データの収集: アンケート，Web サイト
2. データの整形: 不要な文字列の削除
3. データの加工: 形態素解析，重み付け
4. 結果の集 計: 頻度集計・検定実施
5. 結果の可視化: さまざまなグラフ化

5. i) tm: Text Mining Package
• http://tm.r-forge.r-project.org/
• http://cran.r-project.org/web/packages/tm/tm.pdf
ii) corpora
• http://www.stefan-evert.de/SIGIL/sigil_R/
• http://cran.r-project.org/web/packages/corpora/corpora.pdf
iii)LanguageR
• http://www.sfs.uni-tuebingen.de/~hbaayen/software.html
• http://cran.r-project.org/web/packages/languageR/languageR.pdf
言語処理に特化した packages

6. 日本語データの分析を
助けてくれる
RMeCab を紹介

7. RMeCabとは
• 石田 基広氏が開発したパッケージ
• R から MeCab を呼び出して日本語
のテキストを解析させる
• 解析結果をも R で出力してくれる
素晴らしいプログラム

8. Text mining の主な手順
1. データの収集: アンケート，Web サイト
2. データの整形: 不要な文字列の削除
3. データの加工: 形態素解析，重み付け
4. 結果の集 計: 頻度集計・検定実施
5. 結果の可視化: さまざまなグラフ化

9. Demo 一覧
•RMeCabText() : ファイル解析
•RMeCabFreq() : 頻度集計
•Ngram() : N-gram 解析
•collocate() : 共起関係の分析

10. RMeCabText() : ファイル解析

11. RMeCabFreq() : 頻度集計

12. RMeCabFreq() : 頻度集計

13. Ngram() : N-gram 解析

14. Ngram() : N-gram 解析

15. collocate() : 共起関係の分析

16. ということで
RMeCab を使えば
R 上でテキストマイニングが
（集計も含め）手軽にできます

17. 参考文献（続）

18. Enjoy !
twitter: @sakaue
!
e-mail: tsakaue<AT>hiroshima-u.ac.jp