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

8.3

 説明フィールドの

tf-idf

の計算

■

163

図8-4　NASAデータセットのキーワードに現れる相関のネットワーク

図8-4 は、図8-3 のような共起のネットワークとはだいぶ異なります。共起のネッ

トワークは共起するキーワードのペアを調べるものであったのに対し、相関のネッ

トワークはほかのキーワードと比較して共起することの多いキーワードを調べる

ためのものだからです。図8-4 には、キーワードの小さなクラスタがいくつも作成

されています。このようなネットワーク構造は、上のコードの

graph_from_data_

frame()

関数で表示することができます。

8.3

 説明フィールドの

tf-idf

の計算

図8-2 の ネ ッ ト ワ ー ク グ ラ フ か ら は、 説 明 フ ィ ー ル ド が「

data

」、「

global

」、

「

resolution

」（解決、解像度）などの少数の頻出語に支配されていることが明らかに

なりました。このようなときには、個別の説明フィールドで特徴的な単語を探し出

すための指標

として

tf-idf

を使う絶好の機会です。第

3

章で説明したように、

tf-idf

（単

語出現頻度と逆文書頻度）を使えば、文書のコレクションの一部としての文書にとっ

て特に重要な単語を特定することができます。

NASA

メタデータ説明フィールドに

このアプローチを応用してみましょう。