本ブログ全記事270万語を使って計量テキスト分析をしてみた（２）: ブランドファッション通信

オススメ記事・考察

スポンサード　リンク

<< 本ブログ全記事270万語を使って計量テキスト分析をしてみた（１） | TOP | ディオール　とうとうジョンガリアーノ復帰論まで >>

2011年11月27日

本ブログ全記事270万語を使って計量テキスト分析をしてみた（２）

■１に続き、抽出されたテキストの関係性を深く観ていく

本ブログ全記事270万語を使って計量テキスト分析をしてみた（１）からの続きです。次は、抽出された語から多変量解析を行なって、目でみてなんとなくわかる各抽出後の関連性についてご紹介したいと思います。

多次元尺度構成法

多次元尺度構成法というのは、各抽出された語の距離感を測っているもので、この場合関連性が高いとお互い近くに付置されます。まずは、ブログ全体で多次元尺度構成法をしてみます。

結果です。（１）の前処理で見えた抽出語の集中が見られる700回から9000回の語を設定して取り上げました。
そして、プロットする語の数をある程度制限しましたが、それでもすごいことになっておりますね。これじゃあ、ごちゃごちゃでよく分からないですよね。一応２次元のマップになっていますが、３次元もできるんです。ところが、３次元にしても、統計学的に有意ではないという結果だったため２次元のまま載せておきます。

わかりづらいのを解消したい。ということで、（１）で行いました抽出後を８つのクラスターに分類してコーディングしたもの。これを付置してみようと言うわけです。それなら８つしか記事情報のクラスターがないので、視覚的にすっきりするはず。

今度はうまくいったようです。また高低差も出てきたので３次元まで必要となりましたので３次元になっております。

ショップ、商品情報、ファッショントレンド、ドラマの衣装協力が近い。売上ランキング、イベントはそれぞれ単独で別の場所に付置されていますね。商品イメージと海外ファッション動向は次元１（X）と次元２（Y）では近いのですが、次元３（Z）はだいぶ離れていることがわかります。

共起ネットワーク分析

共起ネットワークとは、（１）で行ったような抽出語またはコードを用いて、出現パターンの似通ったものを線で結んだ図、すなわち共起関係を線で表したネットワークを描く機能です。これによって、視覚的に分かりやすく解釈ができるようになります。大きな円（ノード）ほど、出現数の多い語。強い共起関係なほど太い線で描画。ブルーから濃いピンクになるほど中心的な特徴語となるように設定しました。結果が以下です。

【本ブログ全体の抽出後共起関係】

この共起ネットワークは、先程の多次元尺度構成法とは異なり、それぞれの円がどの円とつながっているかということが大切なだけで、どこに付置されているかという場所は関係ないのが特徴。そして色がブルーよりもピンク、紫と暖かめのカラーになるということはサイト全体に影響力を持つ抽出語です。円の大きさは、出現数の多い語ほど大きな円で描写されるように設定しました。分かりやすいでしょう？

■とにもかくにも「ファッション」という円が強い。

１つ濃いめの「ファッション」から「見る」「デザイン」「紹介」とつながっています。「見る」と「紹介」はお互い共起関係にあり、「アイテム」とつながっています。そして、「アイテム」は「ショップ」につながっていますね。あとは見たまま視覚的に直感的に解釈してみてください。

■共起ネットワークを分類してみる

【共起ネットワークを分類してみる】

（１）のクラスター分析ではありませんが、共起ネットワークもグループ形成として分類することができます。色違いでプロットしてくれるのが助かる。

終わりに

いかがだったでしょうか？なるべく難しい言葉や計算に使う専門用語を省き、視覚的に本ブログの2,748,587語を使って、擬似的にインターネットのファッションブログの傾向性をテキストマイニングという解析を通して見てみました。大変でしたが、今年中にできてよかったです。

今回のテキストマイニングを行うにあたり、専門ソフトであるKH Coderを無償で提供してくださっている立命館大学産業社会学部准教授樋口耕一先生にこの場をお借りして感謝申し上げます。KH Coderでなければ270万語ものテキストファイルを解析できませんでした。また、ベイズ推定が備わっているのもKH Coderの魅力ではないかと。
まだまだソフトの能力をMAXに発揮できていないと思いますが、テキストマイニングやるならKH Coderが一番だと思います。

リンク：KH Coder

参考文献