差分
この文書の現在のバージョンと選択したバージョンの差分を表示します。
|
memo:r:rtextmining [2010/05/21 06:48] hasegawa 作成 |
memo:r:rtextmining [2016/07/17 04:22] |
||
|---|---|---|---|
| ライン 1: | ライン 1: | ||
| - | {{tag>R toolbox memo textmining}} | ||
| - | ====== Rでテキストマイニング ====== | ||
| - | ===== MeCabとRMeCabのインストール ===== | ||
| - | ==== MeCab ==== | ||
| - | http://sourceforge.net/projects/mecab/files/ | ||
| - | からmecab-0.98.exe（バージョンは2009/10/15現在）をダウンロードし，インストール（僕はC:\MeCabに入れた）． | ||
| - | |||
| - | ==== RMeCab ==== | ||
| - | http://groups.google.co.jp/group/rmecab/files | ||
| - | からRMeCab_0.84.zip（バージョンは2009/10/15現在）をダウンロードし，Rのライブラリに追加（Rコンソール＞パッケージ＞ローカルにあるzip～）． | ||
| - | |||
| - | コンソールに | ||
| - | library(RMeCab) | ||
| - | と入力し，RMeCabパッケージを使おうとすると，**libmecab.dllが見つからなかったため～**というエラーが出るので，OKを押し，**C:\MeCab\bin**にある**libmecab.dll**を**C:\R\R-2.9.2\library\RMeCab\libs**にコピーする． | ||
| - | |||
| - | 以上でRからMeCabを使う準備は完了 | ||
| - | |||
| - | ==== UniDic ==== | ||
| - | MeCabには最初からipa辞書が入っているが，人工知能学会誌にunidicの記事があり，気になったのでさっそく使ってみる． | ||
| - | |||
| - | http://www.tokuteicorpus.jp/dist/からMeCab版バイナリ辞書（Shift_JIS）をダウンロード・解凍する． | ||
| - | なお，ダウンロードにはユーザ登録が必要となる． | ||
| - | |||
| - | 中身を**C:\MeCab\dic\unidic**（長谷川環境の場合）にコピー | ||
| - | |||
| - | 使用方法は， | ||
| - | * MeCab実行時に-dオプションを使って使用する辞書を指定する． | ||
| - | mecab -d "C:\MeCab\dic\unidic" 入力ファイル | ||
| - | |||
| - | 一々指定するのが面倒だったり，RMeCabから使う場合には， | ||
| - | * MeCabの設定ファイル（**C:\MeCab\etc**にある**mecabrc**）を以下のように書き換える． | ||
| - | |||
| - | dicdir = $(rcpath)\..\dic\ipadic | ||
| - | を | ||
| - | |||
| - | dicdir = $(rcpath)\..\dic\unidic | ||
| - | |||
| - | ===== 形態素解析 ===== | ||
| - | 試しに青空文庫のテキストファイル（有島武郎の生まれいずる悩み）を解析してみる． | ||
| - | > setwd("C:/eclipse/workspace/RMeCabTest") | ||
| - | > library(RMeCab) | ||
| - | > | ||
| - | > res <- RMeCabFreq("umareizuru_nayami.txt") | ||
| - | file = umareizuru_nayami.txt | ||
| - | mode(res) #結果はリスト | ||
| - | length = 4871 | ||
| - | > [1] "list" | ||
| - | > summary(res) | ||
| - | Term Info1 Info2 Freq | ||
| - | Length:4871 Length:4871 Length:4871 Min. : 1.000 | ||
| - | Class :character Class :character Class :character 1st Qu.: 1.000 | ||
| - | Mode :character Mode :character Mode :character Median : 1.000 | ||
| - | Mean : 7.375 | ||
| - | 3rd Qu.: 3.000 | ||
| - | Max. :1627.000 | ||
| - | > res[1000:1010,] #1000から1010までを抜き出してみる | ||
| - | Term Info1 Info2 Freq | ||
| - | 1000 気に入る 動詞 自立 2 | ||
| - | 1001 祈る 動詞 自立 5 | ||
| - | 1002 起きる 動詞 自立 2 | ||
| - | 1003 起こす 動詞 自立 10 | ||
| - | 1004 起こる 動詞 自立 15 | ||
| - | 1005 輝く 動詞 自立 2 | ||
| - | 1006 戯れる 動詞 自立 2 | ||
| - | 1007 疑う 動詞 自立 7 | ||
| - | 1008 逆らう 動詞 自立 1 | ||
| - | 1009 休む 動詞 自立 1 | ||
| - | 1010 休める 動詞 自立 1 | ||
| - | |||
| - | リスト内の要素に個別にアクセスするには， | ||
| - | res$Term #形態素 | ||
| - | res$Info1 #品詞 | ||
| - | res$Info2 #品詞細分類 | ||
| - | res$Freq #頻度 | ||
