May 2018
Intermediate to advanced
228 pages
4h 11m
Japanese
Content preview from Rによるテキストマイニング ―tidytextを活用したデータ分析と可視化の基礎
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
42
■
3
章 単語の出現頻度と特定の文書での出現頻度の分析：
tf-idf
ジェーン・オースティンの小説のコーパスでは、ジップの法則の古典的なバー
ジョンに近い結果が得られました。順位が下位の部分でのずれは、多くの言語で珍
しいものではありません。言語コーパスに含まれる希少語は、べき乗則から予想さ
れる数よりも少ないことがよくあります。それに対し、順位が上位の部分でのずれ
の小ささは、かなり珍しいものです。ジェーン・オースティンは、多くのコレクショ
ンよりも最頻出語の割合が低いのです。この種の分析は、作家の比較や、その他の
文書コレクションとの比較に拡張することができます。整理データ原則を使えば、
比較は簡単です。
3.3
bind_tf_idf
関数
tf-idf
の考え方は、文書のコレクション、コーパスでの頻出語の重みを減らし、希
少語の重みを増やして、個々の文書における重要語を探し出すというものです。こ
の場合は、ジェーン・オースティンの小説全体を文書コレクションとすることにな
ります
。
tf-idf
は、一般的にはあまり出現しないものの、テキストの中では重要な（頻
出する）単語を探し出そうとします。それをやってみましょう。
tidytext
パッケージの
bind_tf_idf
関数は、入力として、
1
トークン（
1
文書
1
単
語）
1
行の整理テキストデータセットを取ります。単語
/
トークンで
1
列（この場合
は
word
）、文書で
1
列（この場合は
book
）、文書ごとのその単語の出現頻度にさらに
1
列（この場合は
n
）が与えられていな ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.