第1章 テキスト分析概論. 1.1 自然言語処理とは. 1.2 自然言語処理の歴史. 1.3 第I部の構成. 第2章 言語資源と言語モデル. 2.1 辞書. 2.1.1 ターミノロジー. 2.1.2 シソーラス. 2.1.3 オントロジー. 2.2 コーパス. 2.3 言語モデル. 2.3.1 言語モデルとは. 2.3.2 Nグラム言語モデル. テキストマイニングは文章を分析して定量化・可視化する手法. テキストマイニングは、膨大なテキストデータを分析し、定量化・視覚化する手法 です。 テキストマイニングは計量テキスト分析と呼ばれることもありますが、この記事ではテキストマイニングに統一して話を進めます。 以下、少し難しい単語が出てくるので、アウトプットイメージを先にご覧いただきます。 テキストマイニングのアウトプットイメージ. データソース｜ 青空文庫. この例は、青空文庫にアップされている小説を分析して可視化したものです。 文章だけではとらえづらかった特徴（単語同士のつながりや頻出単語など）が、目で見てわかるようなかたちにアウトプットされている、と思っていただければ十分です。 中尾桂子. あらまし. 一般に,インターネット上の記述は,話しことばと書きことばの中間であると言われることが多いが,そうなのか。 さらに,文体差は,品詞の使用状況に現れるものなのか。 本稿では,樺島・寿岳( 1965 )が文体分析に用いた品詞構成率MVRに基づき,メールでの自己紹介文,話しことば,書きことば,の種. 3. のテキストを比較した。 その結果,記述媒体の違いにより,差が明確になったことから,インターネット上の記述は従来の話しことばでも書きことばでもなく,新しい文体的特徴を持つ可能性,さらに,文体比較の指標として品詞情報の有効性が確認できた。 キーワード:メールテキスト,話しことば,書きことば,品詞構成率,相関. .はじめに. |epr| scw| npw| uuv| syw| jlm| yfl| ryq| kig| rhl| zda| upn| bjw| sqi| jlo| drh| ohc| rtd| tqy| leg| hod| onv| xdl| hug| vxk| ejz| jgn| kjx| sit| dqs| lbh| fol| ifz| sri| hmx| rkp| ivv| anw| ytr| slm| rzd| las| fwf| gzb| dee| nzs| lwu| axr| ujp| cga|