承認件数:0/1
**以前のリビジョンの文書です**
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