1. 第２回Japan.R
RMeCabで、
テキスト解析を
行う
@gepuro

2. 自己紹介
早川 敦士
電気通信大学
システム工学科三年

3. ● 学祭でジャンク
市をやったり、
● 合宿で花火を打
ち上げたりして
ます。

4. ● 富士山に登ったり、
● 部誌を書いたり、
● 2011年度 S-PLUS学
生研究奨励賞で特別
賞を頂いたり、
● DBCLSでバイトしたり、
してます。

5. テキストマイニング
データマイニング
興味
統計学
品質管理

6. ブログ
http://d.hatena.ne.jp/gepuro/
自己紹介
Twitter
@gepuro

7. RMeCabって？
テキストマイニングの為の
ツールで
RからMeCabを
呼び出して使用する
インターフェースです。

8. インストール
http://rmecab.jp/wiki/index.php?RMeCabから
RMeCab_0.98_R_x86_64-unknown-linux-gnu.tar.gz
をダウンロードして、
>install.packages(“RMeCab_0.98_R_x86_64-
unknown-linux-gnu.tar.gz”,destdir=”,”,repos=NULL)
でインストールできる。
詳しくは、上記のサイトで。

9. 形態素解析
> rlt <- RMeCabC("お腹が空いた",0)
> unlist(rlt)
名詞 助詞 動詞 助動詞
"お腹" "が" "空い" "た"
> rlt <- RMeCabC("お腹が空いた",1)
> unlist(rlt)
名詞 助詞 動詞 助動詞
"お腹" "が" "空く" "た"

10. ターム・文書行列をつくる
> novel <- docMatrix("novel",c("名詞","形容詞"))
> novel[4:15,]
docs
terms bocchan_NATUME hana_AKUTAGAWA kokoro_NATUME
[[LESS-THAN-1]] 0 0 0
[[TOTAL-TOKENS]] 12492 1646 34937
am 1 0 0
glad 1 0 0
see 1 0 0
to 1 0 0
you 1 0 0
？—— 1 0 0
あいつ 5 0 0
あした 1 0 0
あすこ 3 0 2
あそこ 1 0 0

11. ターム・文書行列をつくる
docMatrixの引数
minFreq=n:n回以上出現するタームを出力
kigo=1:記号を総語数にカウントする
weight:重み付け “tf*idf,”tf*idf*norm”
dic:ユーザー辞書の指定
co:共起語の行列を作る
などなど・・・

12. 参考
Rによるテキストマイニング入門
著：石田 基広
出版社：森北出版株式会社
RとLinuxと・・・
http://rmecab.jp/wiki/index.php?RMeCab

13. ご清聴
ありがとうございました。

14. Webからコーパスを収集するのに良いツール
or
データクリーニングに関する教科書・サイト
をご存知でしたら、ご教授願います。