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

8.5

 まとめ

■

179

ここで一歩下がって図 8-10 から何がわかるのかをよく考えてみましょう。

NASA

データセットには、人が付けたキーワードがあります。そして、

NASA

メタデータ

の説明フィールドを

LDA

でトピックモデリングしました（トピック数

24

）。このプ

ロットは、「説明フィールドのトピックモデリングから、特定のトピックに属する

確率が高いと考えられるデータセットに対して、人間がどのようなキーワードを最

も多く与えているか」

という問いに答えるものです。

面白いのは、トピック

13

、

16

、

18

に与えられているキーワードがほぼ同じ

（「

OCEAN COLOR

」、「

OCEAN OPTICS

」、「

OCEANS

」）だということです。しかし、

図8-6 と図 8-7 を見る限り、これらのトピックに関連する単語として上位に並んだも

のには、はっきりわかる違いがあります。トピック

13

、

16

、

18

に属するとされた文

書の数は、

このプロットに含まれているデータセット全体の数の中でかなりの割合

を占めており、トピック

11

を加えるとさらに増えることも注目されます。この数字

からは、

NASA

には、海洋、海洋の色、海洋光学（

ocean optics

は分光器のメーカー

名でもあります）を扱うデータセットが多数あることがわかります。トピック

9

、

10

、

21

には、「

PROJECT COMPLETED

」（プロジェクト完了）というキーワードと

NASA

の研究所、研究センター名が含まれています。「

atmospheric science ...