R によるテキストマイニング入門 (第 2 版)(アールニヨルテキストマイニングニュウモンダイニハン)

フリーの環境を使い,実践しながらひと通りの手法を学べる入門書です.ネット上にあふれる膨大なテキストデータを効率よく収集・分析する方法や,アンケート結果をデータに置き換えて分析する方法を紹介します.
初心者はもちろん,さまざまな手法を知りたいという読者にもおすすめです.

〈おすすめポイント〉
・基本的な手法のほか,ウェブスクレイピングやトピックモデルといった,最近注目の技術も紹介.
・ネットワークグラフ,ワードクラウドなどの可視化機能をふんだんに利用.データの特徴をつかむのに役立つ.
・実践には統合環境 RStudio を導入.RStudio では,マウスによる直感的な操作ができ,コードの補完機能などもあるので,簡単・快適に作業をすることが可能.

テキストマイニングの定番書を,R のバージョンアップや新機能に対応して大幅にリニューアルしたものです.さらに使いやすく,充実した内容となっています.
第 1 章 テキストマイニングとは何か
第 2 章 テキストマイニングの準備
第 3 章 R/RStudio 速習
第 4 章 文字処理と正規表現
第 5 章 RMeCab によるテキスト解析
第 6 章 口コミのテキストマイニングーウェブスクレイピング
第 7 章 アンケート自由記述文の分析ー対応分析
第 8 章 青空文庫データの解析ーワードクラウドとネットワークグラフ
第 9 章 テキストの分類ークラスター分析,トピックモデル
第 10 章 書き手の判別ー漱石と鴎外の文体比較
第 11 章 Twitter タイムラインの分析ー API の利用

テキストマイニングは「大量のテキストから有用な情報を引き出す技術」ですが、日本語を対象にする場合は形態素解析という特有の前処理が必要になり、英語圏の教科書がそのまま使えないことが多々あります。本書は R 言語と MeCab を組み合わせた日本語テキストの分析手法を、環境構築から頻度分析、共起ネットワーク、対応分析まで段階的に示す入門書です。著者の石田基広氏は言語学とデータ分析の両方に足場を持つ研究者で、分析の「なぜ」を言語学的な関心と結び付けて説明しています。

第 2 版では R のパッケージ構成や MeCab 連携の記述が更新されており、環境構築のつまずきが軽減されています。前提として R の基本操作 (データフレーム、パッケージのインストール) に慣れていることが求められますが、統計や自然言語処理の専門知識は不要です。アンケートの自由記述、 SNS 投稿、文学作品など、身近なテキストデータを題材にしている点が、実感を持って読み進めやすい構成を支えています。

Python 中心の分析環境を使っている人にとっては、 R 固有の流儀に戸惑う場面もあるかもしれません。しかし、テキストマイニングの概念と分析の組み立て方は言語を超えて通用するため、「日本語テキスト分析の考え方」を体系的に学ぶ教材として読む価値があります。