R によるやさしいテキストマイニング

機械学習で捗るテキストマイニング!
機械学習を用いた本格的なテキストマイニングをやさしく解説!
本書は、フリーの分析ツールである R を用いて、機械学習による大規模なテキストデータ解析の手法などをわかりやすく解説した書籍です。
(1) ウェブからのテキストデータの自動収集、(2) 生の「きたない」データを分析しやすい「きれいな」データにするための前処理、(3) 大規模データを解析するための機械学習の手法、(4) 分析結果を顧客や上司に分かりやすく伝えるための可視化の手法を丁寧に解説しています。
解説は、数式が苦手な読者もすんなりと読めるように、手法の原理を直感的に理解できるイラスト・図面を多用した構成としています。
Part 1 テキストマイニング
第 1 章 自然言語処理
第 2 章 テキスト処理
第 3 章 スクレイピング

Part 2 機械学習
第 4 章 データハンドリング
第 5 章 教師あり学習ー回帰
第 6 章 教師あり学習ー分類
第 7 章 教師なし学習

『R によるやさしいテキストマイニング 機械学習編』 (小林 雄一郎 著、オーム社、2017 年 9 月刊) は、無料で使える分析ツールの R を用いて、テキストデータの収集と前処理から機械学習による解析までを順に学ぶ書籍です。版元の紹介文は、ウェブからのテキストデータの自動収集、分析しやすい形に整える前処理、大規模データを解析するための機械学習の手法、分析結果を伝える可視化の手法の 4 つを柱に挙げ、数式が苦手な読者にも読めるよう、手法の原理を直感的に理解できるイラストや図面を多用した構成だと説明しています。

2 部 7 章の構成、自然言語処理から教師なし学習まで

構成は Part Ⅰ「テキストマイニング」と Part Ⅱ「機械学習」の 2 部 7 章です。Part Ⅰ は第 1 章「自然言語処理」で分析ツールの準備と、形態素解析、構文解析、意味解析、言語判定、文書要約といったテキストマイニングを支える技術を扱い、第 2 章「テキスト処理」でテキストの読み込みと整形、単語や n-gram、共起語の頻度集計、用例検索へ進みます。第 3 章「スクレイピング」は Wikipedia、ブログ、Twitter からのテキストデータ抽出とオープンデータの活用、文字コードの確認と変更を取り上げます。Part Ⅱ は第 4 章「データハンドリング」で行と列の抽出、データの結合や並び替え、カテゴリーごとの集計、パイプ演算子までデータの扱い方を固め、第 5 章と第 6 章で教師あり学習を回帰と分類に分けて扱います。回帰の章は線形単回帰から平滑化回帰と正則化回帰まで、分類の章は k 近傍法、ナイーブベイズ、ニューラルネットワーク、サポートベクターマシン、決定木、バギング、ブースティング、ランダムフォレストを並べます。第 7 章「教師なし学習」は階層型と非階層型のクラスター分析、主成分分析、自己組織化マップ、word2vec、トピックモデルで締めくくられ、巻末には読書案内と参考文献が付きます。

語の区切りと数え上げ、収集と整形の工程

テキストマイニングで最初の壁になるのは、文章がそのままでは計算の対象にならない点です。日本語は語の区切りが空白で示されないため、文を語に分け、語の出現回数や語と語の共起を表の形に数え上げて、初めて統計や機械学習の手法を当てはめられるようになります。分析の素材を Web ページから自動で集める処理 も、文字コードの違いや不要な記号の混入といった後工程の手間を生みやすく、収集と整形の段階での判断が分析の質を左右します。本書は収集と集計を先に置き、データハンドリングを挟んでから学習手法へ進みます。

学習手法の側では、回帰と分類という教師あり学習が正解の付いたデータから予測の規則を作るのに対し、教師なし学習は正解のないまま文書や語のまとまりを見つけます。同じ文書の分類に性質の違う手法を当てて比べると、精度だけでなく、結果の解釈のしやすさや計算の重さの違いも見えてきます。さらに、語を周辺に現れる語との関係から 意味のベクトルに置き換える手法 を使うと、表記の違う語どうしの近さを計算で扱えるようになり、頻度の表だけでは拾えない関係に手が届きます。

版元の段は中級、おすすめの読者 3 項目と刊行時点

版元は本書の対象を初級、中級、上級のうち中級に置き、おすすめの読者として、テキストマイニングや機械学習の技術を学びたいエンジニア、それらに興味を持つ実務者、商用のテキストマイニングツールやクチコミ分析サービスの内部でどのような処理が行われているのかを知りたい人を挙げています。2017 年の刊行で、扱う R のパッケージやデータの取得先は刊行時点の環境を前提にしています。機械学習の本は 機械学習の技術書の選び方 で整理しています。

本書は収集から前処理、回帰と分類、教師なし学習までを R で扱い、巻末に読書案内と参考文献を付けています。