
4.2
トピック空間で類似度の比較を行う
75
や動詞の変化形を同一のものとして扱いたいと思うかもしれません。そのことについては、前章で扱っ
た内容なので、ここでは省略します。データセットは本書のサポートページからダウンロードできるの
で、興味のある方は、ステム化など、他の可能性についても試してみてください。
先ほど示したようなワードクラウド画像は、それ専用のプログラムを用いて作成することがで
きます。先の画像は、
wordle
(
http://www.wordle.net
)という
Web
サービスを利用し
ました。このサービスは、
Web
上でとても魅力的なワードクラウド画像を作成することがで
きます。今回の例では、ワードクラウドを参考までにいくつか作成するだけで良かったので、
単語リストを手動でコピー
&
ペーストして作成しました。しかし、
Python
から
Web
サービス
の
API
を呼ぶことができるので、自動でワードクラウドを作成することも可能です。
4.2
トピック空間で類似度の比較を行う
トピックは、それだけでも実用的です。たとえば、先ほど見たワードクラウド画像のように、短い要
約を作成できます。そのような可視化は、大量の文書がある場合、ナビゲーションとして用いることが
できます。実際に、そのような使われ方をされています。
しかし、トピックモデルは仲介的なツールとして、他の目的に使われることもしばしばあります。こ
こまでトピックモデルで行ってきたことは、各文書に対して、その文書が各トピックからどれくらいの
割合で生成