
106
■
6
章 トピックモデリング
整理された
モデル
コーパス
オブジェクト
コーパス
オブジェクト
テキスト
集計データ
テキスト
データ
可視化
整理テキスト
センチメント
辞書
DTM
コーパス
オブジェクト
モデル
unnest_tokens
tidytext
count
dplyr
ggplot2
inner_join
dplyr
tidy
tidytext
LDA
topicmodels
tm
quanteda
tidy
tidytext
tm,
quanteda
cast_dtm
cast_dfm
tidytext
tidy
tidytext
dplyr, tidyr
tm, quanteda
dplyr, tidyr
ggplot2
group_by
summarize
dplyr
dplyr, tidyr
図6-1 トピックモデリングを組み込んだテキスト分析のフローチャート。topicmodelsパッ
ケージは、DTMを入力とし、tidytextで整理できるモデルを出力する。整理されたモ
デルは、dplyrや ggplot2で操作、可視化することができる。
6.1
LDA
LDA
は、トピックモデリングで最もよく使われているアルゴリズムの
1
つです。
モデルの背後の数学に首を突っ込まなくても、
LDA
が次の
2
つの原則に導かれてい
ることは理解できます。
すべての文書はトピック(テーマ)の組み合わせ
個々の文書は、特定の割合で複数のトピックに関連する単語が含まれたも
のだと考えることができます。たとえば、
2
トピックモデルでは、「文書
1
はトピック
A
が
90
%、