テキストマイニング

→計量テキスト分析（Quantitative Text Analysis）

テキストを対象とするデータマイニング

膨大な分量からなる文字データを計量的に分析することができる

ただしコンピュータ・ソフトウェアは、そのデータについて判断を下したり解釈をすることまではできない

「どのような文字列からなる表現を含むデータが何件あるか」ということを網羅的に集計することが可能

自然言語 ＝ 人間が用いる言語（英語や日本語など）

プログラミング言語と比較して「自然言語」

厳密に定義されたプログラミング言語や人工言語などと比べて、遥かに曖昧さや多様性を含む

そのため言語の仕様を明確には定義できない

表現と解釈の両方で柔軟性が高い

e.g. 「私はうなぎです」（那須川 2006, p. 21）

テキストマイニングでは、以下の方法で対象のテキスト（文書集合）に拠るデータセットが作成される

形態素解析により、日本語の連続した文字列を、文法的に意味のある単位の構成要素（語）に分割し、各要素の文法的素性（品詞など）が明らかになる。

構文解析

形態素解析により分割された要素について、関係性を判定し、文法的・意味的にまとめる。

カテゴライズ

マイニングプロセスでは、データセットによる「用語や概念とそれらの出現回数のリスト作成」「要素の分布」「要素間の関連性分析」などが行われる。

アプリケーション

KH Coder

Voyant Tools

参考文献

那須川哲哉. 2006. テキストマイニングを使う技術/作る技術 : 基礎技術と適用事例から導く本質と活用法. 東京電機大学出版局.

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.

山内長承. 2017. Pythonによるテキストマイニング入門. オーム社.