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

122

■

6

章 トピックモデリング

6.2.3

 単語ごとの分類：

augment

LDA

アルゴリズムには、各文書の個々の単語をトピックに分類するステップがあ

ります。一般に、文書内に特定のトピックに分類される単語が多ければ多いほど、

文書

-

トピック分類の重み（

gamma

）は大きくなるはずです。

もとの文書

-

単語のペアに戻り、各文書のどの単語がどのトピックに分類される

のかを調べてみたいところです。これは、

augment()

関数の仕事です。

augment()

も、

モデル出力の整理の方法として

broom

パッケージが導入した関数です。

tidy()

がモ

デルの統計部分を取り出すのに対し、

augment()

はモデルを使って、もとのデータ

の観測値に情報を付加します。

assignments <- augment(chapters_lda, data = chapters_dtm)

assignments

## # A tibble: 104,722

×

4

#

# document term count .topic

## <chr> <chr> <dbl> <dbl>

## 1 Great Expectations_57 joe 88 4

## 2 Great Expectations_7 joe 70 4

## 3 Great Expectations_17 joe 5 4

## 4 Great Expectations_27 joe 58 4

## 5 Great Expectations_2 joe 56 4

## ...