
5.1
DTM
の整理
■
83
とんどのテキストマイニングパッケージの入力として整理データフレームを使えな
いのと同じです。そこで、
tidytext
パッケージは、
2
つの形式の間の相互変換のため
に
2
つの関数を提供しています。
●
tidy()
関数は、
DTM
を整理データフレームに変換します。これは、さまざ
まな統計モデルやオブジェクトのために整理関数を提供している
broom
パッ
ケージ(
Robinson 2017
)に由来するものです。
●
cast()
は、
1
行
1
単語の整理データフレームを行列に変換します。
tidytext
の
この関数には
3
種類のものがあり、それぞれ異なるタイプの行列への変換を行
います。
cast_sparse()
は
Matrix
パッケージの疎行列、
cast_dtm()
は
tm
パッ
ケージの
DocumentTermMatrix
オブジェクト、
cast_dfm()
は
quanteda
の
dfm
オ
ブジェクトを出
力します。
図5-1 に示すように、
DTM
は
count
や
group_by
/
summarize
を実行したあとの整理
データフレームと同じように、単語と文書の組み合わせの出現頻度、その他の統計
情報を格納しています。
5.1.1
DocumentTermMatrix
オブジェクトの整理
R
で最も広く使われている
DTM
は、おそらく
tm
パッケージの
DocumentTermMatrix
クラスでしょう。多くのテキストマイニングデータセットがこの形式で提供され
ています。たとえば、
topicmodels
パッケージ