テキストデータにタグをつける

[fuyuhikos]

日常か少しもどってきました
ようやく週一在宅勤務態勢になりました
たた、毎日三時過ぎに発表される感染者数に目を離せませんが、急増は今のところありません

さて、沢山の電話相談テキストに、見つかる特徴語をクラスター分析や共起ネットワークでみつけて、その語とほぼ同義の語もまとめて、わかりやすい特徴語をもちいてキーワードとし、これをタグとして定義して（タグはコーデイングルールで定義するわけですが）、相談テキストに複数のタグ（標識）をつけることを考えています

これにより、相談の内容をすばやく把握し、分類することができるのでないかとかんがえていますが、こういう方法論はありえるでしょうか

相談をクラスター分類すると、前面にでで来る言葉のほかに、背面に隠れている言葉があり、これも多くの場合は別のクラスターの中核にあることから、住宅建築、科学技術、経済社会、このほか人間の感情の言葉が入り交じった構造になっています

複数のタグ群からひとつの相談が持っている多面的な側面を迅速に分析できないかと考えていますが、いかがでしょうか
比較的少ないテキスト群で実験をはじめています

[ko-ichi-h]

こんにちは、樋口です。書き込みありがとうございます。

相談テキストに複数のタグ（標識）をつける

えっと、計量テキスト分析／KH Coderの用語法で申しますと、これがコーディングのことだと思います。ですから、1つの文書に複数のコードを割り当てられるようになっています。

お書きいただいた通り、コードを使った統計分析だけでなく、「この文書にはコードAとコードCとコードFが付与されているのか」と見ることで、内容を理解しやすくなるということはあるだろうと思います。この情報は、「文書検索」画面から「文書表示」画面を開くと、画面の一番下の方に出ています。一番下なので、あまり見やすい位置とは言えないのですが…。

[fuyuhikos]

なるほど、そうだったわけですね
画面表示確認してみます
ありがとうございました

タグの前に、そのベースとなるキーワード辞書を作ろうと考えています
共起ネットワークで特徴語である言葉を中心に、同義語等を集約して
大中小分類等を考えています

図書館に勤めている娘に話したら、図書名等から図書の分類法でやっていることと近いということで
古本屋から日本図書分類の分厚い本を購入しました
これは、アナログの時代から行われていて、ＯＰＡＣでデータベース化されており、
取り次ぎ店からは最初から、タグがついて本が販売されるようになっており、
「AI、囲碁、コンピーター、グーグル」みたいな本をどこに寄せるか検討しやすいようになっているようです

辞書を手軽に作れるソフトはないか探しましたが、なかなか見つかりません
エクセルでもできます

[fuyuhikos]

コーディング結果をエクスポートした表に、実際に元のテキストを張り付けて結果を検証しようとしています
例えば、あるテキストに、♯雨漏り　♯訪問販売　# 屋根　というキーワードが適合しています、という
表を作る目途がたってきました

ところが、肝心のテキストの順番が、コーディング結果の表と分析用のテキストとで異なっていることに気が付き、
ソフト内の文書検索画面からエクスポートできる(ただし200件ずつ)方法があることがわかりました

こういう場合は、元のテキストデータから、タグで文書番号H1をふって、突合がしやすいようにして
まぎれがないようにするべきでしょうか

エクセルのいろんな関数を駆使してテキストとタグ対照表を作るときに、テキストの順番でつまづいてしまったといい御相談です

[ko-ichi-h]

こんにちは、樋口です。書きこみありがとうございます。

順番が違うという意味をもう少し詳しくご説明いただけるでしょうか？

「プロジェクト」「エクスポート」「「文書×コード」表」から出力したコーディング結果の表は、入力データの順番と一致していると思うのですが、違いましたでしょうか？

[fuyuhikos]

すいません
順番あっていました
お騒がせしました

[fuyuhikos]

テキストにコーディングルールで、タグをつけて、タグもできれば、グルーピングして、
テキストとタグを「多対多」の関係にしたいとおもいます（どうしてもそうなってしまう）

ひれで、特定のタグのグループとグループのクロス集計をするとかして、分析を進めたいとおもいます