実践 R によるテキストマイニング

今やテキストマイニングは, 文章を単語に切り分けて, 単語の出現頻度を数えるだけにはとどまりません.

商品やイベントに対する SNS 上の意見をポジティブ・ネガティブに分ければ, 何が評価されて, どこを改善すべきかが一目瞭然.
政治家の演説のトピックが, 時代とともにどう移り変わってきたかを解析すると, 社会の変化を見て取ることもできます.
小説の話題展開の流れや, 登場人物とキーワードの結びつきも, 自動で分析可能です.

文書解析で本当にやりたかったこれらのことは, R で手軽に実現できます.

テキストマイニング定番書の著者による, 次の一歩のためのやさしい手引きです.
［もっと基本的なことから学びたい方は, 同著者による「R によるテキストマイニング入門[第 2 版] (森北出版)」もご覧ください］

〈本書で扱う主な内容〉
●センチメント分析
日本語極性辞書を用いて, 単語の極性からテキスト全体がポジティブかネガティブか判断.
●単語分散表現
単語の頻度だけでなく, 出現位置に注目し, 単語どうしの意味の関連性を数値化.
●機械学習, ディープラーニング
機械学習を用いて, より高度な解析も実現.Python を前提とした訓練済みモデルやディープラーニングのフレームワークも, RStudio から簡単に利用可能.
第 1 章 R による日本語テキスト解析の基礎
第 2 章 センチメント分析
第 3 章 構造的トピックモデル
第 4 章 Twitter 投稿テキストの評価
第 5 章 機械学習による予測
第 6 章 単語分散表現
第 7 章 R から Python ライブラリを実行

商品への意見をポジティブとネガティブに分ける、演説の話題が時代とともにどう移ったかを追う、小説の登場人物とキーワードの結びつきを調べる。『実践 R によるテキストマイニング』 (石田 基広 著、森北出版、2020 年 3 月刊) は、こうした文書解析を R 言語 で実現するための本で、副題にはセンチメント分析、単語分散表現、機械学習、Python ラッパーが並びます。版元の紹介文は本書を、テキストマイニング定番書の著者による次の一歩のためのやさしい手引きと位置づけ、もっと基本的なことから学びたい人には同じ著者の『R によるテキストマイニング入門[第 2 版]』を案内しています。単語の出現頻度を数える段階を越えて、分析の幅を広げたい人に向けた 1 冊です。

全 7 章の構成、日本語解析の基礎から Python の利用まで

目次は全 7 章です。第 1 章「R による日本語テキスト解析の基礎」で足場を固めたあと、第 2 章「センチメント分析」、第 3 章「構造的トピックモデル」、第 4 章「Twitter 投稿テキストの評価」と続き、第 5 章「機械学習による予測」、第 6 章「単語分散表現」、第 7 章「R から Python ライブラリを実行」で締めくくられます。紹介文によると、センチメント分析では日本語極性辞書を用いて単語の極性からテキスト全体がポジティブかネガティブかを判断し、単語分散表現では単語の頻度だけでなく出現位置に注目して単語どうしの意味の関連性を数値化します。機械学習とディープラーニングについては、Python を前提とした訓練済みモデルやディープラーニングのフレームワークも RStudio から利用できると案内されています。手法ごとに章を分け、最後に Python の資産へ橋を架ける並びは、R を軸に置いたまま扱える範囲を一段ずつ広げていく構成と読めます。

頻度を数える分析の先にある手法の意味

テキストマイニングの最初の段階では、文章を単語に切り分けて出現回数を数え、よく使われる語やいっしょに現れる語を調べます。この方法は手軽ですが、文全体が肯定的か否定的か、話題が文書群の中でどう分かれ、どう変わるか、意味の近い単語はどれかといった問いには直接答えられません。センチメント分析は辞書や学習済みのモデルを使って文の評価の向きを推し量る手法で、商品やサービスへの声を集計する場面で効果を発揮します。トピックモデルは文書群に潜む話題の分布を推定する手法で、構造的トピックモデルは書かれた時期や書き手といった文書の属性と話題の関係まで扱える点に特徴があります。単語分散表現は、単語を数値の並びで表す 埋め込みベクトル の考え方を単語に適用したもので、似た文脈で使われる単語どうしが近い値を持つため、意味の関連を計算で扱えるようになります。いずれも 自然言語処理 の分野で育った手法で、本書はそれを R の作業の流れの中で使えるようにすることを狙っていると読めます。

R の基本操作を身につけた人向け、入門書との使い分け

版元の案内どおり、本書はテキストマイニングをまったく初めて学ぶ人向けの最初の 1 冊ではありません。基本から学びたい人には入門書を案内していることからは、R の基本的な操作と、単語を切り分けて頻度を数える段階の分析を一通り経験した人を想定していると読めます。そこまで届いていない場合は、版元が案内する同じ著者の入門書を先に通すのが近道です。反対に、Python で自然言語処理のライブラリを使いこなしていて、モデルの内部や大規模な学習の手順を深く学びたい人には、本書の範囲は物足りない可能性があります。2020 年 3 月の刊行で、第 4 章の Twitter の投稿データや第 7 章の Python との連携は刊行時点の環境に基づいている点も踏まえておきましょう。アンケートの自由記述や口コミ、議事録などを R で分析していて、頻度表から一歩進んだ答えを出したい研究者や実務者にとって、手法の幅を一気に広げるための手引きになる本です。