
9.2
ニュースグループに含まれる単語
■
189
図9-3 頻出語の相関に基づいて描いたUsenetグループのネットワーク。相関が 0.4よりも
大きいものだけを描いている。
ニュースグループには、コンピュータ
/
電子工学、政治
/
宗教、自動車
/
バイク、
スポーツの
4
つの大きなクラスタがあるようです。これらのニュースグループに期
待した共通の単語と話題を示したことを考えれば、納得できる結果です。
9.2.2
トピックモデリング
第
6
章では、
LDA
(潜在的ディリクレ配分法)を使って、一連の章を分類してもと
もとどの本に含まれていたのかを推測しました。
LDA
は、さまざまなニュースグ
ループに含まれている
Usenet
メッセージも同じように分類できるでしょうか。
4
つの科学関連ニュースグループのメッセージを分類してみましょう。まず、
cast_dtm()
でメッセージを
DTM
にまとめてから(「5.2 整理データの行列へのキャ