経営学分野でのテキスト分析/Text_analysis_on_management

テキスト分析について4年間学んだことをまとめました。
内容としては以下です。
・テキスト分析とは
・経営学分野でテキスト分析をする意義
・応用例
・学びや失敗

Transcript

1. 2019_01_25 @共創館 経営学分野における テキスト分析への招待 .
   খ૔༐ਓ 1
2. 発表の対象者 • ܦӦֶΛઐ߈͍ͯ͠ΔେֶੜɾେֶӃੜ • ্هͰ΋ɺςΩετ෼ੳʹݱࡏ͋·Γڵຯ͕ͳֶ͍ੜ • ·ͨ͸ɺڵຯ͋Δ͕ͲͷΑ͏ʹར༻Ͱ͖Δ͔෼͔Βͳֶ͍ੜ 2
3. 発表の動機 • ઌഐ΍খ૔͕஝ੵͨ͠ʮςΩετ෼ੳʯʹؔ͢Δ஌ࣝΛҾ͖ܧ ͍͗ͨͱࢥͬͨɻ • ςΩετ෼ੳ͕ɺଟ͘ͷܦӦֶెͷखஈͷҰͭʹͳͬͯ΄͍͠ ͱࢥͬͨɻ 3
4. 発表の目的 • ςΩετ෼ੳΛɺݚڀʹ͓͚Δ̍ͭͷखஈʹͯ͠΋Β͏͜ͱ ͦͷͨΊʹ • ڧΈɾऑΈΛཧղͯ͠΋Β͏͜ͱ • Ԡ༻ྫΛࣔͯ͠ɺར༻γʔϯΛΠϝʔδͯ͠΋Β͏͜ͱ 4
5. 目次 • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 5
6. 目次 • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 6
7. Ͳ͏ͯ͠ςΩετ෼ੳΛקΊΔͷ͔ʁ 7
8. ①テキスト分析だから解決できる問題がある • ஶ໊ਓ΍ݱଘ͠ͳ͍ਓͳͲɺΠϯλϏϡʔɾΞϯέʔτ͕ࠔ೉ ͳର৅ΛௐࠪͰ͖Δɻ • ʮੈ࿦ʯ΍ʮௌऺʯͷ൓ԠͳͲɺந৅త֓೦Λௐࠪ͢Δ͜ͱ͕ Ͱ͖Δɻ • ஝ੵ͞ΕͨςΩετσʔλΛղੳͰ͖Δɻ • ྫ͑͹ɺҰఆظؒͰͷ֓೦ͷมԽ͕Θ͔Δ • FUD 8
9. ②専門性が高いため手を出す研究者が少ない • ੈ͸ʮେσʔλ࣌୅ʯɻ೔ʑരൃతʹσʔλ͕૿͍͑ͯΔɻςΩε τσʔλ΋ྫ֎Ͱ͸ͳ͍ɻ • ෼ੳख๏΋ଟ༷Խ͠ɺͦΕΛՄೳʹ͢Διϑτ΢ΣΞ΋ੜ·ΕΔɻ • ιϑτ΢ΣΞʹΑͬͯख๏͕ϒϥοΫϘοΫεԽɻ·ͨख๏ࣗମ΋ ·͢·͢ෳࡶԽɻ • ݪཧ͕Θ্͔ͬͨͰ࢖͍͜ͳͤΔݚڀऀ͸૿͑ͣɺؾܰʹखΛग़ͤ Δ΋ͷͰ΋ͳ͘ͳͬͨɻ 9
10. ③社会的ニーズが大きい • σʔλ͕૿͑ΔͱͦΕΛ෼ੳ͢Δਓ΋ඞཁʹͳΔɻ • ٕज़԰͸ଟ͍͕ɺܦӦֶెͰ࢖͍͜ͳ͢ਓ͸ຊ౰ʹগͳ͍ɻ • ݚڀ͚ͩͰ͸ͳ͘ɺاۀͷݚڀɺαʔϏεɾ੡඼ͷ඼࣭޲্ʹ ΋د༩Ͱ͖ΔͨΊχʔζ͸େ͖͍ɻ 10
11. Ͳ͏ͯ͠ςΩετ෼ੳΛקΊΔͷ͔ʁ ˠཧղ্ͨ͠Ͱ࢖͍͜ͳ͢͜ͱ͕Ͱ͖Ε͹ɺ ڧྗͳ෢ثʹͳΔ͔Βʂ 11
12. 目次 • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 12
13. ͦͷલʹɺ஌͓ͬͯ͘ͱཧղ͕ਂ·Δ༻ޠΛ঺հ͠·͢ 13
14. 知っておくと理解が深まる基礎知識 • ࣗવݴޠॲཧʢ/BUVSBM
    -BOHVBHF
    1SPDFTTJOHʣ • ίʔυɺίʔσΟϯάɺίʔσΟϯάϧʔϧ • ܗଶૉղੳ 14
15. 自然言語処理（Natural Language Processing） • ਓ͕೔ৗతʹ༻͍ΔίτόΛʮࣗવݴޠʯͱݺͿɻ • ࣗવݴޠΛίϯϐϡʔλʹॲཧͤ͞ΔͨΊͷҰ࿈ٕज़Λʮࣗવ ݴޠॲཧʯͱݺͿɻ • ݴޠΛॲཧ͢ΔͨΊʹɺݴޠֶɾ਺ֶͳͲΛۦ࢖͢Δɻ • Ԟ͕ਂ͘ɺ͜Εʹ͍ͭͯઆ໌͢Δʹ͸͋ͱ ϖʔδඞཁɻ 15
16. コード、コーディング、コーディングルール • ݚڀऀ͕෼ੳલɺ·ͨ͸ޙʹఆΊΔந৅త֓೦ͷ͜ͱΛίʔυ ͱݺͿɻ • ૉσʔλʹରͯ͠ந৅తͳϥϕϧΛషΔ͜ͱίʔσΟϯά ʢίʔυԽʣͱݺͿɻ • ͦͷࡍɺϥϕϧͷج४ͱͳΔ΋ͷΛίʔσΟϯάϧʔϧͱݺͿɻ • ʢ͍ΘΏΔQSPHSBNJOHͷίʔυͱ͸ҟͳΔɻʣ 16 ※完全⼿動か完全⾃動かでプロセスが若⼲変わります
17. 形態素解析 17 ࣗવݴޠΛɺ༧Ί༻ҙ͞ΕͨࣙॻΛ΋ͱʹҙຯΛ࣋ͭ࠷খ୯Ґʹ෼ղ͢Δ͜ͱ
18. 
    ࣗ෼ͷݚڀʹ͸ؔ܎ͳ͍ͳʔ 18
19. ͪΐͬͱ଴ͬͨʂ 19
20. NLPを学ぶ意義 • /-1Λѻ͏"*͕ʮͬ͘͟ΓͱʯͲͷΑ͏ͳ࢓૊ΈͰಈ͍͍ͯΔͷ͔ ͕Θ͔Δɻ • ʮ4JSJ΍"MFYBɺΓΜͳ͸Ͳ͏͍͏ΞϧΰϦζϜͰฦࣄΛ͍ͯ͠Δ͔ʁʯ • ʮ"*͕ߦ͏จॻཁ໿ͬͯͲ͏ͳͷʁʯ • ݱࡏɾকདྷͷ"*͕؆୯ͳ͜ͱɺ೉͍͜͠ͱ͕ʮͬ͘͟ΓͱʯΘ͔Δɻ • ࣾձͷ࢓૊Έ͕গ͠Θ͔Δɻ • ࣗ෼ͷΩϟϦΞΛߟ͑ΔώϯτʹͳΔɻ 20
21. ͦΕͰ͸ຊ୊ʹೖΓ·͠ΐ͏ 21
22. テキスト分析とは？ • จࣈ௨ΓɺςΩετσʔλΛ෼ੳ͢Δ͜ͱɻ • ෼ੳΛ௨ͯ͠ςΩετ͔ΒԾઆΛൃݟɺԾઆΛݕূ͢Δ࡞ۀ ʢتా ʣɻ • ۙ೥ͷٕज़ͷൃୡʹΑΓɺਓ͕ؒݟ͚ͭΒΕͳ͔ͬͨύλʔϯ ΛςΩετ͔Βݟ͚ͭͨΓɺҙຯ͋ΔܗͰ݁ͼ͚ͭͨΓͯ͠ ʢ&WBOT
    BOE
    "DFWFT ʣɺՁ஋͋Δ݁Ռ΍ࣔࠦΛੜΈग़ ͤΔΑ͏ʹͳͬͨʢ(SJNNFS
    BOE
    4UFXBSU
    ʣɻ 22
23. テキスト分析の利点 • ςΩετͷಛ௃Λ਺஋Խɾݟ͑ΔԽ͢Δ͜ͱ͕Մೳɻ • ςΩετ͸ௐࠪΛஅͬͨΓɺٸʹফ͑ͨΓ͠ͳ͍ɻ • ௕͍ؒ஝ੵ͞ΕͨςΩετΛ෼ੳର৅ͱ͢ΔͨΊɺݱଘ͠ͳ͍ ਓ෺Λௐࠪ͢Δ͜ͱ͕Մೳ ʢ)PMTUJ ʣɻ • ࣮ݧ΍Ξϯέʔτௐࠪͱൺֱͯ͠ɺௐࠪର৅ͷ൓Ԡʹ݁Ռ͕ࠨ ӈ͞Εʹ͍͘ʢ,SJQQFOEPSGG
    ʣ ɻ 23
24. テキスト分析の欠点 • ίϯϐϡʔλ͕ࣗવݴޠΛɺਓؒͷΑ͏ʹѻ͏͜ͱ͕೉͍͠ ʢग़དྷͳ͍ʣɻख๏ʹΑͬͯ͸ɺԾઆݕূ͕ద੾ʹߦΘΕͳ͍ Մೳੑ΋͋Δɻ • ্ه໰୊͔ΒσʔλΛ੔ܗͨ͠Γɺ֓೦Λૢ࡞ͨ͠Γ͢Δ͕ɺ ͦΕ͕ዞҙతʹͳΓ͏Δɻ • ख๏शಘͷϋʔυϧ͕ߴ͍ɻ 24
25. 目次 • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 25
26. 経営学分野で（よく）用いられるテキスト分析手法 • ಺༰෼ੳ • ςΩετϚΠχϯά • ηϯνϝϯτΞφϦγεʢࠓ೔͸ѻΘͳ͍ʣ • τϐοΫϞσϦϯάʢࠓ೔͸ѻΘͳ͍ʣ • FUD • ͦͷଞಛ௃ྔΛ֫ಘ͢ΔͨΊͷख๏ • #P8දݱ • 5'*%' • ෼ࢄදݱ 26
27. 内容分析（Content Analysis） • ςΩετ෼ੳͷݹయతख๏ͷ̍ͭɻ • ໌ࣔ͞Εͨίϛϡχέʔγϣϯͷ಺༰Λ٬؍తɺମܥతʹ͔͠΋ఆ ྔతʹهड़͢Δௐٕࠪज़ʢ#FSFMTPO ʣɻ • ςΩετʹ͓͚Δಛఆͷಛ௃Λ٬؍తɺମܥతʹಉఆ͢Δ͜ͱʹΑ Γɺਪ࿦Λߦ͏ௐٕࠪज़ʢ,SJQQFOEPSGG ʣɻ • ௐࠪͰಘΒΕͨʢهड़తʣσʔλΛ΋ͱʹه࿥୯ҐͰ෼ੳ͠ɺ෼ ྨɾ໋໊͢Δ͜ͱʹΑͬͯ͋Δࣄ৅Λ٬؍తʹ໌Β͔ʹ͢Δ͜ͱ ʢ্໺ ʣɻ 27
28. 内容分析（Content Analysis） • ୺తʹݴ͏ͱɺಛఆͷϧʔϧʹैͬͯςΩετΛ෼ੳ͢Δ͜ͱɻ • ςΩετΛ΋ͱʹԾઆൃݟɾԾઆݕূ͢Δ͜ͱ͕໨తɻςΩε τΛʮҙຯͷ͋Δσʔλʯʹม׵͢Δඞཁ͕͋Δɻ • ͦͷͨΊɺઃ͚ΒΕͨҰఆͷج४ʹैͬͯςΩετΛಡΈɺ෼ ྨ͠ɺͦͷ෼ੳ݁ՌΛ਺্͑͛Δ͜ͱͰఆྔԽ͢Δखଓ͖͕ଟ ͍ʢࠤ౻ ʣ ɻ 28
29. 内容分析の例① 手順  ର৅ͱ͢ΔςΩετΛબ୒͢Δ  ઌߦݚڀʹଇΓɺʮࣙॻʯΛ࡞੒͢Δɻಉ࣌ʹ෼ੳ୯ҐΛܾ ΊΔʢ୯ޠɺηϯςϯεɺύϥάϥϑͳͲʣ  ࣙॻΛ΋ͱʹςΩετΛ෼ੳ͢Δ • ଟ͘͸୯ޠ΍ڞىͷස౓ΛΧ΢ϯτ͢Δ  ෳ਺ਓͰΫϩενΣοΫΛߦ͏ 29
30. 内容分析の例② 辞書作成 • ࣙॻ࡞੒ͷํ๏͸ओʹ̎ͭ͋Δɻ  ઌߦݚڀΛ΋ͱʹ࡞੒͢Δ • ෼ੳ͍ͨ֓͠೦ʹؔ͢ΔઌߦݚڀʢFH
    ૑଄ੑʣ • ํ๏࿦ͷઌߦݚڀʢFH
    ୭ͷ಺༰෼ੳ͔ʁʣ  ग़ͯ͘Δ୯ޠΛ૑ൃతʹर͍ͬͯ͘ํ๏ʢTOPXCBMM
    BQQSPBDIʣ 30 ※いずれにしてもどの研究に則ったかは明記しよう
31. 内容分析の例③ 辞書の例（オズボーンのチェックリスト一部） B3時に小倉が作成したもの 31 ྫ స༻ Ԡ༻ɺந৅Խɺ໾ཱͯΔ Ԡ༻ ʙͰ͸ɺ͋΍͔Δɺ͍Θ͹ɺஔ͖׵͑Δɺಉ͡ɺมΘΒͳ͍ɺͨͱ͑Δʢྫ͑Δᄻ͑ ΔʣɺͰݴͬͨΒɺͰ΋ɺͱҰॹɺಉ༷ɺ͓͚ΔɺʹݶΒͣɺʹ͍ۙɺʹ΋ݴ͑ΔɺࣅΔɺ ͷ໾໨ɺ෩ɺ·͘͞͠ɺ·͞ʹɺ·ΔͰɺΈ͍ͨɺ໾ʹཱͭɺΑ͏ͳɺΑ͏ͳɺݴͬͯΈ Ε͹ɺൺᄻతʹɺͳΒɺʙ΋มΘΒͳ͍ɺԠ༻ɺٵऩ͢Δɺࢀߟɺͦͷ··ɺ͚ͩͰͳ͘ɺ ͩͬͯͦ͏ɺ௨༻͢ΔɺͰݴ͑͹ɺͰ͸ɺͱߟ͑Δɺश͏ɺ݁ͼ͚ͭΔɺ΋ɺ΋ͦ͏ɺج ͍ͮͯɺ΋·ͨ มߋ ͍Ζ͍Ζͳɺସ͑Δɺม͑Δɺٯͷɺͦ͏Ͱͳ͍ɺͩͬͨΒɺҧ͏ɺผͷɺ΍ΊΔ ֦େ ௕͍໨ɺ޿͘ɺશମͷੈքதͷɺԆ௕ɺ֦େɺڧௐɺ૿Ճɺ޿͛ΔɺͳΜͰ΋ɺͨ͘͞Μɺ ૿΍͢ ॖখ ʙʹ΁Β͠ɺ΋ͬͱૣ͘ɺҾ͖Լ͛ͯɺҰݴͰݴ͑͹ɺߜΓࠐΉɺߜΓ·ͨ͠ ஔ׵ ʙͩͬͨΒ ΍ͬͨΒ ୅༻ ୅ΘΓʹɺʙ͕͍͍ͷͳΒ͹
32. 内容分析の例④ クロスチェック 32 • ਓʹΑͬͯ୯ޠ΍จষͷղऍ͕ҟͳΔ৔߹͕͋Δɻ • ྫ͑͹ʮ஋ஈΛεʔύʔͷΑ͏ͳಉҰՁ֨ʹͨ͠ɻʯ • స༻ʁมߋʁ • ζϨΛೝࣝͨ͠Γɺमਖ਼ͨ͠Γ͢Δ໨తͰෳ਺ਓͰνΣοΫΛ ߦ͏ɻ
33. 内容分析の欠点 • େྔͷίʔσΟϯάϧʔϧͷ࡞੒ɺਓྗɾ໨ࢹͰͷ࡞ۀʹΑͬ ͯେن໛ͳσʔλΛѻ͑ͳ͍ɻεέʔϧͤ͞Δͷ͕೉͍͠ɻ • ίʔσΟϯάʹݸਓ͕ࠩੜ͡Δɻ • ౎߹ͷ͍͍ղऍΛ͢ΔΑ͏ͳόΠΞε͕ੜ͡͏Δɻ 33
34. テキストマイニング • ੈلޙ൒ͷίϯϐϡʔλͷొ৔ͱͱ΋ʹɺ಺༰෼ੳΛػցʹ ೚ͤΔྲྀΕ͕ੜ·ΕΔɻ • େن໛ͳςΩετσʔλΛػցతʹॲཧ͢ΔҰ࿈ͷख๏Λʮς ΩετϚΠχϯάʯ·ͨ͸ʮܭྔςΩετ෼ੳʯͱݺͿʢᜊ౻ 
    Ṥޱ 
    
    ஛Ԭ ʣɻ • සग़୯ޠͷूܭͱՄࢹԽɺڞى཰ͷ෼ੳͳͲ͕ओͳ෼ੳʢᜊ౻ 
    ஛Ԭ ʣ 34
35. ２つのアプローチ（樋口 2014）  %JDUJPOBSZCBTFE
    BQQSPBDI • ίʔσΟϯάϧʔϧΛ͋Β͔͡Ί࡞੒্ͨ͠ͰςΩετͷ෼ੳΛߦ͏ɻ • ෼ੳલʹʮࣗಈंɺඈߦػɺόΠΫΛz৐Γ෺zͱ͍͏֓೦ͱݟͳ͢ʯ ͷΑ͏ͳίʔσΟϯάϧʔϧʢEJDUJPOBSZʣΛ࡞੒͢Δɻ • ཧ࿦΍໰୊ҙࣝΛૢ࡞Խ͢Δ͜ͱ͕ՄೳʹͳΔʢ0THPPE
    FU
    BM
    ʣ  $PSSFMBUJPOBM BQQSPBDI • จॻ಺ʹසൟʹग़ݱ͢Δ୯ޠɺηϯςϯεɺύϥάϥϑΛଟมྔղੳ ʹΑͬͯάϧʔϐϯά͢ΔΑ͏ͳ෼ੳ • ςΩετΛܗଶૉղੳͷॲཧʹ͔͚ɺͦͷ݁ՌΛ༻͍ͯଟมྔղੳΛ ߦ͏ • ཧ࿦΍໰୊ҙࣝͱ͍ͬͨઌೖ؍ͱͳΓ͏Δ΋ͷʹΑͬͯσʔλ͕Ԛછ ʢDPOUBNJOBUFʣ͞ΕΔ͜ͱ͕ճආͰ͖Δɻ 35
36. 5.෼ੳͷΞ΢τϓοτΛେผ͢Δͱʢᜊ౻ ʣ 36  ֓೦ͷ਺ʢ୯ޠͷग़ݱස౓ʣͷूܭ  ܎Γड͚ස౓ͷूܭ  ϚοϐϯάʢFH
    ࣗݾ૊৫ԽϚοϓʣ  ୯ޠͷωοτϫʔΫ෼ੳ  ୯ޠͱଐੑɺର৅ͷಉ࣌෍ஔ  ςΩετͷ෼ྨ  Ωʔϫʔυநग़
37. ֓೦ͷ਺ʢ୯ޠͷग़ݱස౓ʣͷूܭ 37 ͋Δάϧʔϓ-*/&ͷςΩετΛશऔಘͯ͠ɺग़ݱͨ͠୯ޠΛܭଌ άϧʔϓ಺ͷଞͷਓͱൺֱͯ͠ ɾҰਓশ͕͔ͳΓଟ͔ͬͨ ˠࣗ෼ͷ࿩Λ͢Δ܏޲͕ڧ͍ ɾX͕ଟ͍ ˠδϣʔΫΛݴͬͨΓɺ෺ࣄΛܰ͘ ड͚ࢭΊΔ܏޲͕ڧ͍ʁ ˠ਌࿨తϢʔϞΞʢ.BSUJO
    ʣ ͕ڧ͍ʁ ˞ຊ౰͸΋ͬͱ͖ͪΜͱߟ࡯͠·͢X
38. ܎Γड͚ස౓ͷूܭ 38 インスタグラム│テキストマイニング・ソーシャル分析│⾒える化エンジン （ https://www.pa-consul.co.jp/mieruka/scene/instagram.html ）
39. ୯ޠͷωοτϫʔΫ෼ੳ 39 テキストマイニングで⽇経新聞を斜め読み （http://www.tinoworks.xyz/article/453478228.html）
40. ୯ޠͱଐੑɺର৅ͷಉ࣌෍ஔ ςΩετͷ෼ྨ 40 ˞খ૔ͷम࢜࿦จΑΓ
41. ಺༰෼ੳ΍5.͸೉͘͠ͳ͍ 41 • ৽͍͠ख๏Λ։ൃ͢Δ༁Ͱ͸ͳ͍ɻطଘͷख๏Λ༻͍Δ͚ͩɻ • ৘ใ͸ੈͷதʹͨ͘͞Μམ͍ͪͯΔɻຊ౰ʹɻ • ԿΑΓ։࢝ϋʔυϧΛԼ͛ͯ͘ΕΔιϑτ΢ΣΞ͕ͨ͘͞Μ͋ Δɻ
42. ベクトルによる文書の表現 • ϕΫτϧԽ͢Δ͜ͱͰɺจॻͷѻ͍ํͷ෯͕޿͕Δɻൺֱͨ͠ Γɺڑ཭ΛଌͬͨΓɺϕΫτϧಉ࢜ͷܭࢉΛͨ͠ΓͰ͖Δɻ • ϕΫτϧԽ͢Δʹ͸༷ʑͳख๏͕͋Δɻ • #P8දݱ • 5'*%'දݱ • ෼ࢄදݱ • FUD 42 ͪͳΈʹը૾΍ԻָΛػցֶ शͷॲཧʹ͔͚Δ࣌΋·ͨɺ ϕΫτϧʹ͢Δ͜ͱ͕΄ͱΜ ͲͰ͢ɻ
43. BoW（Bag of Words）表現 43 • จॻΛϕΫτϧͰදݱ͢Δ࠷΋جૅతͳํ๏ɻ • ߦ͸ʮग़ݱ͢Δ୯ޠͷස౓ʯΛɺྻ͸ʮจॻΛද͢ϕΫτϧʯ Λද͢ɻ ˞খ૔ͷम࢜࿦จΑΓ
44. TF-IDF（Term Frequency Inverse Document Frequency）表現 • จॻ಺Ͱස౓ͷଟ͍୯ޠͷॏཁ౓ΛߴΊɺಉ࣌ʹɺෳ਺ͷจॻ ʹԣஅతʹଟ਺ग़ݱ͢Δ୯ޠʹରͯ͠ॏཁ౓Λ௿͘͢ΔΞϧΰ ϦζϜʢ4BMUPO
    BOE
    #VDLMFZ
    ʣɻ • ͦͷจॻΛ୅ද͢Δ୯ޠʹॏΈ෇͚Λ͢Δɻ • Ұํɺʮࢲʯʮ͢Δʯʮ·͢ʯͷΑ͏ͳ୯ޠʹٯॏΈ෇͚Λࢪ ͢ɻ • ্هͷॏΈ෇͚Λ͞ΕͨϕΫτϧදݱʹͳΔɻ 44
45. 分散表現（Distributed Representation） • ʮ෼ࢄදݱʯͱ͸ɺ୯ޠ΍จͷҙຯΛϕΫτϧ্ۭؒʹ௿࣍ݩ Ͱදݱͨ͠΋ͷɻ࿈ଓ஋Ͱදݱ͞ΕΔͨΊɺϕΫτϧಉ࢜ͷܭ ࢉ͕ՄೳʹͳΔɻ 45 ˞খ૔ͷम࢜࿦จΑΓ
46. 分散表現（Distributed Representation） 46 • ෼ࢄදݱΛ֫ಘ͢Δʹ͸ɺ8PSE7FDɾ%PD7FDɾGBTU5FYU ͳͲΛ༻͍Δඞཁ͕͋Δɻ • ಉ࣌ग़ݱ͢Δ୯ޠͱ·ͱΊֶͯश͢ΔͷͰɺจ຺Λߟྀͨ͠ද ݱʹͳ͍ͬͯΔɻ • ʮंʯͱʮࣗಈंʯ͕ಉٛޠ΋ͷͱֶशͰ͖Δ 詳しく知りたい⼈は例えば以下を参照。 持橋⼤地. (2016). ⾔葉の特性を捉えるトピックモデル. 岩波データサイエンス, Vol.2, 18-29.
47. 目次 • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 47
48. 内容分析の例 48 Ҿ༻ݩɿҪ্ୡ඙ʢʣʮࣄۀ૑଄͸αΠΤϯε͔ Ξʔτ͔ ʯ ʰҰڮϏδωεϨϏϡʔʱ46..&3
    Q
    ද ໨తɿՊֶऀͷൃ૝ͷ܏޲Λ஌Γ͍ͨ ର৅ɿೋਓͷՊֶऀͷࣗචͷຊ ίʔυɿΦζϘʔϯͷνΣοΫϦετ ʢ0TCPSO
    ʣ߲̕໨ ํ๏ɿ಺༰෼ੳ ൃݟɿՊֶऀ͸స༻ͱԠ༻ ʢ"OBMPHJDBM
    SFBTPOJOHʣΛଟ༻͢Δ ˞ৄ͘͠͸Ҫ্ʢʣΛࢀর
49. ܦӦֶʹ͓͚ΔςΩετϚΠχϯά 49 ߴ໦ɾ஛Ԭʢʣ͸طଘݚڀΛ̎ͭʹେผɻ  ςΩετऩू໨తͱ෼ੳ໨త͕Ұக͢Δ΋ͷ • ෼ੳΛ͢ΔͨΊͷϑΥʔϚοτ΍ճ౴಺༰ʹͳ͍ͬͯΔɻ  ςΩετऩू໨తͱ෼ੳ໨త͕Ұக͠ͳ͍΋ͷ • ͨ·ͨ·஝ੵ͞ΕͨςΩετΛɺݚڀऀ͕ผͷҙਤͰ෼ੳɻ
50. 
    ςΩετऩू໨తͱ෼ੳ໨త͕Ұக͢Δ΋ͷ 50 • ίʔϧηϯλʔͰͷԠ౴΍ࣗ༝هड़Ξϯέʔτʢಹਢ઒ ʣ • ถͷ඼࣭ͱՁ֨ʹؔ͢Δফඅऀͷҙࣝௐࠪʢүౡ ʣ
51. ςΩετऩू໨తͱ෼ੳ໨త͕Ұக͠ͳ͍΋ͷ 51 • ༗Ձূ݊ใࠂॻʢتా 
    നాɾࡔ্ ʣ • ೥࣍ใࠂॻʢ#BMBLSJTINBO FU
    BM
    ʣ • $43Ϩϙʔτʢ,MFJONBO FU
    BM
    ʣ • ʮՁ֨DPNʯ΍ʮָఱࢢ৔ʯͷϨϏϡʔʢ஛ԬΒ 
    ࡾ઒ Β ʣ
52. 4OFIWBSU FU
    BM  52 • dͷઓུ࿦ɾ૊৫࿦ʹ͓͚Δʮ྆ར͖ͷܦӦʯʹؔ ͢Δ࿦จຊͷΞϒετϥΫτΛ෼ੳɻ • ࣌ظ͝ͱʹ੝Γ্͕ͬͨςʔϚΛಛఆɻ • কདྷతʹ஫໨ΛूΊΔͰ͋Ζ͏෼໺Λ༧ଌɻ
53. 5VTTZBEJBI BOE
    1BSL  53 • "JSCOC͕ࣾఏڙ͍ͯ͠Δ *OTJEF
    "JSCOCDPN Λ෼ੳɻ • 5XJUUFSࣾɺ(PPHMFࣾͳͲ΋෼ੳ༻ͷσʔλΛఏڙ͍ͯ͠Δɻ • ໿ສ݅ͷϗετͷςΩετΛ෼ੳ͠ɺͲͷΑ͏ͳࣗݾ঺հ͕ ଟ͍͔ɺͲͷΑ͏ͳࣗݾ঺հʹͲͷΑ͏ͳཱྀߦऀ͕൓Ԡ͢Δ͔ɺ ͳͲΛ໌Β͔ʹͨ͠ɻ • ϗετ͕঺հจʹ੝ΓࠐΉ΂͖จݴͷࢀߟʹɻ
54. ໨࣍ • ςΩετ෼ੳΛקΊΔཧ༝ • ςΩετ෼ੳͱ͸ʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ • ෼ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 54
55. ৺ݒ͚ͨ͜ͱᶃ • ೋ߲ରཱΛҙࣝͯ͠ɺࢥߟ΍ߦಈ͕ภΒͳ͍Α͏ʹͨ͠ɻ • ೋ߲ରཱ͸ • ԾઆൃݟͱԾઆݕূ • खಈͱࣗಈ • ΧϥμͱΞλϚ • ϚʔέοτΠϯͱϓϩμΫτΞ΢τ • FUD 55 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
56. ԾઆൃݟͱԾઆݕূ • લड़ͷΑ͏ʹςΩετϚΠχϯάΛ࣮ࢪ͢Δ໨త͸ɺԾઆൃݟ ͱԾઆݕূͷೋͭɻ • جຊ͸Ծઆݕূʢͱࢥ͍ͬͯΔʣɻݕূ͍ͨ͠ܦӦ্ֶͷԾઆ Λ΋ͱʹɺσʔλΛՃ޻͠ɺ෼ੳ͢Δɻ • ߦ͖٧·ͬͨɾԿ͔͓͔͍͠఺͕͋Δ࣌ɺϒϨετΛ͢Δҙਤ ͰԾઆൃݟΞϓϩʔνΛߦ͏ʢͱࢥ͍ͬͯΔʣɻ 56 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
57. खಈͱࣗಈ • ఆྔ෼ੳશൠʹݴ͑Δ͕ɺʮσʔλͱͷର࿩ʯΛ๨Εͯ͸͍͚ ͳ͍ɻʮͲ͏ͯͦ͠ͷ݁Ռ͔ʁʯʹ͍ͭͯ࿦ཧతʹ౴͑ΒΕΔ ͔ʁ • େن໛ςΩετσʔλΛ͍͖ͳΓ෼ੳ͢ΔͷͰ͸ͳ͘ɺ·ͣ͸ খن໛σʔλΛ໨ࢹͰಡΜͩΓɺ಺༰෼ੳͨ͠Γ͢Δɻ·ͨ͸ ԾઆΛ୳ࡧ͢Δɻ • ࣮ײ͕͋ΔͳΒͦΕΛେن໛σʔλͰࢼ͢ɻ࠷ॳ͔Βେن໛ σʔλΛѻ͏ͱɺϩδοΫͷ೺Ѳ͕ࠔ೉ʹͳΔɻ 57 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
58. ΧϥμͱΞλϚ • खΛಈ͔ͯ͠ΨϯΨϯ෼ੳͨ͠Γ٭Λ࢖࣮ͬͯଶΛௐࠪͨ͠Γ ͢ΔҰํͰɺԾઆΛཱͯɺݕূͨ݁͠ՌΛߟ͑Δɻ • ཧ۶Ͱߟ͍͑ͯͯ΋ɺ࣮ࡍʹखΛಈ͔ͯ͠ϚΠχϯάͯ͠ΈΔ ͱ෴͞ΕΔ͜ͱ͕ଟ͍ɻٯʹص্Ͱ͸෼͔Βͳ͍͜ͱ΋ݱ஍Ͱ खʹೖΔ͜ͱ΋ଟ͍ɻ 58 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
59. ϚʔέοτΠϯͱϓϩμΫτΞ΢τ • ՝୊Λղܾ͢ΔͨΊͷղܾ๏Λ୳͢͜ͱ͸ॏཁɻͲͷΞϓϩʔ νͳΒղܾͰ͖Δ͔Λߟ͑Δɻ • ҰํͰɺීஈ͔Βʮٕज़ࢹ఺ͰͰ͖Δ͜ͱʯͱ໨ͷલͷ͜ͱΛ ૊Έ߹ΘͤͯΈΔɻ • ਓͷΞΠσΞͷॿ͚ʹͳΔɻ • ߟ͑ํͷ܇࿅ʹͳΔɻ 59 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
60. ৺ݒ͚ͨ͜ͱᶄ • ઐ໳Ոʹͬ͞͞ͱฉ͍ͯ͠·͏͜ͱɻ • ࣗ෼͸ٕज़԰Ͱ͸ͳ͍ͷͰɺٕज़ͷ͜ͱ͸ٕज़԰ʹฉ͍ͨɻ • ϝϯλʔΛ୳ͦ͏ɻ 60 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
61. ൓ল఺ • ࠷৽ٕज़ͷΩϟονΞοϓ͕஗͔ͬͨɻ࠷৽Λૣ͘஌Δ΂͠ɻ • ݹ͍ख๏ͷݶք఺͸ɺ͍͍ͩͨ୭͔͕ࠀ෰͍ͯ͠Δɻ • ৽͍͠ख๏͸ɺ৽͍͠Ձ஋ΛੜΈग़͢Մೳੑ͕ߴ͍ɻ • ੵۃతʹࣗ෼ͷݚڀΛਓʹ࿩͢΂͖ͩͬͨɻͲΜͲΜ࿩͢΂͠ɻ • ৄ͍͠ਓ͕ҙݟΛ͘ΕΔɻ • ࣮຿ܦݧ͋Δਓ͸ɺࣗ෼ͷ࿮֎ͷߟ͑Λ͢Δɻ • զຫ͕গ͠଍Γͳ͔ͬͨɻ • ଞͷ΍ΓํΛ໛ࡧͤͣʹɺݚڀΛఘΊͦ͏ʹͳͬͨʢ.ॳظʣ • ؆୯ʹ݁Ռ͸ग़Δ͸ͣͳ͍ɻ 61 ςΩετ෼ੳҎ֎ʹ΋ݴ͑Δʂ
62. Ͱ΋ςΩετ෼ੳ͸Φεεϝ • ࣾձతɺֶज़తχʔζ͸େ͍ʹ͋Γ • ਎ʹ͚ͭͨεΩϧ͕ͦͷ··ࣾձͰ࢖͑Δ • ςΩετ෼ੳ͸ɺΘΓͱܦӦֶͰϒϧʔΦʔγϟϯ 62
63. Enjoy your text analysis lives! 63
64. 参考文献 • ⽯川修・星野敏（2004）. テキストマイニングを⽤いた都市農村交流ニー ズの把握−岡⼭県吉 永町ふるさと村の⼋塔寺⼭荘の落書き帳を対象とし て−. 農村計画学会誌. 第 23巻-suppl 号，pp.181-186. • 磯島昭代.（2006）. テキストマイニングを⽤いた⽶に関する消費者アン ケートの解析. 農業情 報研究. 第 15巻 第１号 pp.49-60. • 上野栄⼀. (2008). 内容分析とは何か： 内容分析の歴史と⽅法について. 福 井⼤学医学部研究雑誌, Vol.9, No.1・2, 1-18. • 喜⽥昌樹. (2008). テキストマイニング⼊⾨. ⽩桃書房. • 齋藤朗宏.（2011）. ⽇本におけるテキストマイニングの応⽤. 北九州⼤学 ワーキング ペーパーシリーズ． • 佐藤郁哉. (2008). 実践質的データ分析⼊⾨ : QDA ソフトを活⽤する. 新曜 社. • ⽩⽥佳⼦・坂上学.（2008）.⼈⼯知能アプローチによる「継続企業の前 提」の解析−テキスト マイニングによる⾮会計情報の分析−. 事業継続能 ⼒監査と倒産予測モデ ル. 同⽂館出版 64
65. 参考文献 • ⽵岡志朗・⾼⽊修⼀・井上祐輔.（2014）. テキストマイニングを⽤いたイ ノベーションの普及 分析. ⽇本情報経営学会誌. 第35巻 第１号 pp.72-86. • ⽵岡志朗. .(2018). 機械学習を活⽤したテキストマイニング゙―クチコミを ⽤いた商品・サービスカテゴリーの横断分析―. 桃⼭学院⼤学経済経営論 集, 第59巻, 第4号, 101-122. • 那須川哲哉（2001）. コールセンターにおけるテキストマイニング. ⼈⼯ 知能学会誌. 第 16巻 第２号 pp.219-225. • 樋⼝耕⼀. (2004). テキスト型データの計量的分析 ――2つのアプローチの 峻別と統合――. 理論と⽅法, 19, 101‒115. • 樋⼝耕⼀. (2014). 社会調査のための計量テキスト分析―内容分析の継承と 発展を⽬指して. ナカニシヤ出版. 65
66. 参考文献 • Balakrishnan, R., X. Y. Qui, P. Srinivasan (2010) “On the predictive ability of narrative disclosures in annual reports,”European Journal of Operational Research, Vol.202, Issue 3, pp.789-801. • Berelson, B. (1952). Content analysis in communication research, New York: Free Press. • Evans, J. A., and Aceves, P.J. (2016). Machine Translation: Mining Text for Social Theory. Annual Review of Sociology, 42, 21-50. • Grimmer, J., & Stewart, B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political analysis, 21(3), 267-297. • Holsti, O.R. (1969). Content Analysis for the Social Sciences and Humanities. Addison-Wesley. • Kleinman, G., C. H. Kuei, P. Lee (2017) “Using Formal Concept Analysis to Examine Water Disclosure in Corporate Social Responsibility Reports,”Corporate Social Responsibility and Environmental Management, Vol.24, Issue 4, pp.341-356. 66
67. 参考文献 • Krippendorff, K. (1980). Content Analysis: An Introduction to Its Methodology (Commtext Series). • Osgood, C. E. (1959). The representational model and relevant research materials. In Trends in content analysis (pp. 33-88). University of Illinois Press. • Salton, G., & Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information processing & management, 24(5), 513-523. • Snehvrat, S., A. Kumar, R. Kumar, S. Dutta (2017) "The state of ambidexterity research: a data mining approach," International Journal of Organizational Analysis, Vol. 26 Issue: 2, pp.343-367. • Tussyadiah, L. P., S. Park(2018) “When guests trust hosts for their words: Host description and trust in sharing economy,”Tourism Management, Vol.67, pp.261-272. 67