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

8.4

 トピックモデリング

■

169

がおかしくなります。このことについてはあとで詳しく説明します。

library(topicmodels)

#

このモデルの実行には時間がかかることに注意

desc_lda <- LDA(desc_dtm, k = 24, control = list(seed = 1234))

desc_lda

## A LDA_VEM topic model with 24 topics.

LDA

は、どこからスタートするかによって結果が変わる確率的なアルゴリズムな

ので、同じ結果を得るためには、ここで示したように

seed

を指定する必要がありま

す。

8.4.3

 トピックモデルの解釈

モデルができたので、得られたモデルの要点を示す整理データフレームを作りま

しょう。

tidytext

パッケージには、

topicmodels

パッケージで得られた

LDA

モデルを

整理するメソッドが含まれています。

tidy_lda <- tidy(desc_lda)

tidy_lda

## # A tibble: 861,624

×

3

## topic term beta

## <int> <chr> <dbl>

## 1 1 suit 1.003981e-121

## 2 2 suit 2.630614e-145

## 3 3 suit 1.916240e-79

## 4 4 suit 6.715725e-45

## 5 5 suit 1.738334e-85

## 6 6 suit 7.692116e-84

## 7 ...