樋口先生お世話になります。修士論文でKH Coderを活用させていただいておりますが、行き詰まってしまい、初めて投稿させていただきます。現在、文章表現の変化を題材とした研究しており、KH Coderで２つないし３つの文章の類似度（Jaccard距離）を測定したいと考えております。具体的には以下のとおりです。（変化前）文章Ａと文章Ｂと文章Ｃ（変化後）文章Ａ’と文章Ｂ’と文章Ｃ’変更前と変更後、それぞれの３つの文章の類似度を測定した後、類似度どのような変化が生じたかを調べたい。（類似度は形態素に分けた名詞を基にしたJACCARD距離を用いる）過去のスレッドを調べたりして、いろいろと試しているのですが、思うようにいかず、焦っております。良い方法をご教示いただければ幸いです。
こんにちは、樋口です。書き込みありがとうございます。「いろいろと試している」というのは、どんなことをお試しになっているのでしょう。また、「類似度」とお書きになっているのは、何と何の類似度のことでしょう。
樋口先生返信ありがとうございます。試している（今までのいきさつ）というのは、以下になります。（※テキストマイニングは初心者でKH Coderが初めて使用したソフトです。）0.前提 「類似度」として、文書Ａ・Ｂ・Ｃに含まれる語の出現数をもとにjaccard距離（ＡとＢ、ＢとＣ）を求め、次に、変更後（Ａ’・Ｂ・Ｃ’）も同様にjaccard距離（Ａ'とＢ'、Ｂ'とＣ'）を求め、変更前と変更後の変化を調べたいと思っています。1.KH Coderを用いた分析変更前（文書Ａ・Ｂ・Ｃ）と変更後（文書Ａ’・Ｂ’・Ｃ’）を、それぞれH1、H2タグで区切った1つのテキストファイル（計2つ）にし、文書のクラスター分析（品詞は名詞のみ、word法、jaccard距離、クラスター数2）で調べてみました。その結果、変更前のクラスターの関連性（ＡとＢとＣの関連性）、変更後のクラスターの関連性（Ａ’とＢ’とＣ’の関連性）が併合水準で求められました。この併合水準というのがjaccard距離に基づく類似度を意味するのかが分かりません。また、上記の例示では変更前と変更後が1種類ずつのように見えますが、実際の研究対象では変更前・変更後ともに30種類くらいあります。（さらにその中に「Ａ・Ｂ・Ｃ」、「Ａ’・Ｂ’・Ｃ’」に相当する文書が存在）2.ほかのソフトを試してみるそこで、大量のデータを解析できないかと思い、インターネットであれこれ見た情報で、Ｒを用いてjaccard距離を求めようとしましたが、コマンドが分からず、さらに他の方法はないかと、ネットで見た情報からTermExtractで重要語を抜き出してtermmiで解析しようとしましたが、いくぶん初心者ため、まったく理解できず進めることができませんでした。3.現在の状況こうした経緯からあれこれ手を出して途方にくれるのではなく、あらためて原点に立ち返りKH Coderを使って分析ができないかと思った次第です。上記1のやり方で30種類の変更前・変更後を調べていくという方法が良いのでしょうか。また、併合水準がjaccard距離を指すという理解でよろしいのでしょうか。
こんにちは、樋口です。書き込みありがとうございます。クラスター分析の併合水準は、類似度に似ていますが、少し違うものです。文書のクラスター分析を行ってから、「プロット」ボタンをクリックし、添付画像のような画面を出せるでしょうか？ ここまでくれば、あと少しで類似度を求めることができます。(1) 「保存」ボタンをクリックし、「R Source」形式で保存します。(2) 保存した*.rファイルをRで実行します。(3) R Consoleに「1-dj」と入力して「Enter」キーを押します。このうち(1)と(2)の手順については、こちらのスライド5枚目までをご覧下さい。https://www.slideshare.net/khcoder/r2kh-coder(3)で「1-dj」を実行すると、文書間の類似度が表示されます。各文書の名前ではなく番号が表示されますので、名前を見たいときは「d-labels」を実行してください。
樋口先生ご連絡ありがとうございます。ご教示いただいた方法で類似度を表示することができました。ただ、d-labelsを実行しようとすると、以下のエラーメッセージが表れます。> d-labels d - labels でエラー: 二項演算子の引数が数値ではありません パッケージのインストールが必要なのでしょうか。
こんにちは、樋口です。書き込みありがとうございます。すみません、「d_labels」でお試しいただくといかがでしょう。
樋口先生お答えありがとうございます。お示しいただいた方法で表示させることができました。大変助かりました。ありがとうございます。
