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

108

■

6

章 トピックモデリング

ap_lda

## A LDA_VEM topic model with 2 topics.

モデルの作成は「簡単な部分」です。これからの分析は、

tidytext

パッケージの整

理関数を使ってモデルを探り、解釈していきます。

6.1.1

 単語

-

トピック確率

第

5

章では、モデルオブジェクトを整理し、

broom

パッケージ（

Robinson 2017

）を

起源とする

tidy()

関数を紹介しました。

tidytext

パッケージの

tidy()

関数では、モ

デルから各トピックごとの単語の出現確率であるβ（ベータと呼ぶ）を抽出するため

に使うことができます。

library(tidytext)

ap_topics <- tidy(ap_lda, matrix = "beta")

ap_topics

## # A tibble: 20,946

×

3

## topic term beta

##

<int> <chr> <dbl>

## 1 1 aaron 1.686917e-12

## 2 2 aaron 3.895941e-05

## 3 1 abandon 2.654910e-05

## 4 2 abandon 3.990786e-05

## 5 1 abandoned 1.390663e-04

## 6 2 abandoned 5.876946e-05

## 7 1 abandoning 2.454843e-33

## 8 2 abandoning 2.337565e-05

## 9 1 abbott ...